三大调研报告揭示企业落地智能体AI的共同困境

人工智能

2025年，智能体AI还只是一个承诺。如今，它已成为各行各业企业的一场压力测试。

德勤、毕马威与埃森哲三项独立研究得出了相同的令人不安的结论：企业在部署上行动迅速，但在真正重构人类与智能体协同运营模式这一更艰难的工作上，进展却慢得多。

德勤智能体转型调研结果显示，虽然43%的企业已在多个职能部门扩展AI智能体部署，但仅有15%实现了规模化、有序协调的多智能体落地。员工准备度仅为20%，只有16%的企业表示其现有流程已真正为采用智能体做好准备。这与企业领导层的预期存在巨大落差——74%的领导者预计，到2030年，半数业务流程将围绕AI智能体重新设计。

其他主要咨询公司的新研究为这幅图景填充了更多细节，结论高度一致：AI智能体的部署已是既成事实，但能够在生产环境中真正创造价值的落地案例仍属罕见。

Salesforce的研究显示，过去一年间，企业内活跃的AI智能体数量增长了两倍，AI智能体的能力提升了350%，能够处理更复杂的任务。更值得关注的是，员工使用AI智能体的频次也增长了三倍，信任度持续加深。研究发现，每家企业平均部署的智能体数量几乎翻了三倍（从5个增至13个），同时创建耗时缩短了53%，平均每个智能体仅需1.9天完成创建。

毕马威《全球AI脉搏》报告基于对20个国家2145位C级高管和业务领导者的调研，显示企业正从实验阶段迈向更大范围的智能体部署。但重心正在从部署本身转向责任归属、AI经济效益与价值实现。这一转变源于一个现实：即便部署规模持续扩大，AI智能体的投资回报依然有限。

毕马威报告发现，76%的企业已从AI中看到实际业务价值，较上一季度提升12%。78%的业务领导者相信自己能够确保AI战略具备前瞻性，较2026年第一季度提升8%。71%的企业表示在构建完全融合的AI与人类协作劳动力方面取得了良好进展，单季度提升11%。对AI运营成本拥有完整可视化能力的企业，确立投资回报率的可能性是缺乏可视化能力企业的五倍。

智能体AI的采用正在加速，但数据同样显示，障碍也在同步加剧——用例扩展困难与技能缺口这两大最突出的制约因素，每个季度几乎都在翻倍增长。

报告的核心结论是：在AI智能体部署上领先与落后企业之间的真正差距，不在于部署了多少个智能体，而在于是否建立了清晰的责任归属、更健全的治理机制，以及对大规模运行AI实际成本的真实可视化能力。

Salesforce研究揭示了领导力的重要性，尤其是在企业向智能体化转型的过程中。超过三分之二的中层管理者对AI在未来工作中的角色持乐观态度，并对团队的AI工具采用情况抱有个人使命感。Salesforce研究还表明，大多数AI试点项目聚焦于能力与速度，却跳过了赢得业务端信任这一艰难过程。

埃森哲与沃顿商学院联合研究基于美国劳工统计局针对18个行业的任务级数据，指出"智能可以扩展，但责任无法扩展"。研究发现，美国经济中50%的工作时间——涉及约1.2亿名工人——正被大约60个数字与实体AI智能体所重塑。仅就银行与资本市场领域而言，数字AI智能体的影响已覆盖超过45%的工作时间。

以一家假设规模达600亿美元的企业为模型，研究预测，智能体AI在完全成熟后可带来约60亿美元的潜在营收增长和17亿美元的年度生产力提升。报告发现，在各类用例中，领先企业正在超越孤立的解决方案，转而依托一套在人类主导下协同运作的数字与实体AI智能体组合。

埃森哲报告指出，AI智能体在企业系统中扩散的速度，已超过正式治理策略所能跟上的速度。埃森哲报告联合作者詹姆斯·克劳利指出："我们倾向于说'人类主导'，而非'人类在环'。"这一区分是刻意为之——"人类在环"仅意味着人类审查智能体已完成的工作，而"人类主导"则意味着工作的责任主体是人类，而非智能体。这一转变提出了新的领导力要求：将释放出来的产能有意识地转化为可量化的价值和持续增长。

埃森哲报告同时警示：生产力的提升只有在领导层有意将释放出来的产能导向更高价值的工作时，才能转化为真正的增长；否则，生产力的提升只会停留在效率层面，无法转化为增长。

埃森哲提出的建议包括：设立全新业务职能（首席智能体资源官）、明确损益指标、建立以人类主导的运营模型，以及在智能体上线之前（而非之后）界定清晰的决策权责。

Salesforce研究显示，70%部署了客户服务AI智能体的企业在60天内就能看到投资回报。面向服务型组织的智能体AI采用率在过去12个月内从39%增长至66%。以结果为导向的新型定价模式，将业务产出与AI智能体执行结果直接挂钩，有助于应对责任归属的挑战。

德勤、埃森哲和毕马威的研究共同讲述了一个清晰而完整的故事，足以重塑领导者谈论智能体AI的方式。AI的采用本身并不是难题。大多数企业的智能体已经上线——事实上，过去12个月内，部署规模已增长了三倍。

真正的难题，正如德勤关于员工和流程准备度的数据最初所揭示的，是部署之后所暴露出的一切：自主AI智能体所需的治理框架、部署与可证明的投资回报之间的鸿沟、试点与真正大规模应用之间的落差，以及在不丧失责任感的前提下将效率转化为增长所需的领导力自律。

这些机构没有一家在反对智能体AI。它们的判断正在汇聚于一个更为精确的论点：技术的到来，已经快于驾驭它、负责任地大规模运行它所需的运营模型、治理模型和员工准备度。

未来12至24个月，将分化出两类企业：一类将大规模智能体AI采用视为整合挑战，另一类则正确地将其视为领导力挑战与机遇。企业需要建立牢固的人际关系，才能经受变革所带来的模糊性与摩擦。

业务领导者需要建立强大的人机协作关系，以确保数字劳动成为杠杆而非混乱、被动或不信任的来源。他们还需要更认真地思考系统与智能体之间的关系应如何架构、治理与监控。

成为一家智能体化企业，与其说是技术转型，不如说是关系转型。

Q&A

Q1：三大调研报告对智能体AI落地的核心结论是什么？

A：德勤、毕马威和埃森哲三项研究得出一致结论：企业在部署AI智能体上行动迅速，但真正能够在生产环境中创造价值的落地案例仍属罕见。核心矛盾在于，采用本身不是难题，难题是部署之后暴露出的治理缺失、投资回报不清晰、流程与员工准备不足，以及缺乏将效率转化为增长的领导力。

Q2：企业部署AI智能体面临的最大障碍有哪些？

A：根据毕马威报告，用例扩展困难和技能缺口是最突出的两大障碍，且每季度几乎都在翻倍增长。德勤数据显示，员工准备度仅为20%，只有16%的企业流程真正准备好迎接智能体落地。埃森哲则指出，AI智能体扩散速度已超过企业治理策略跟进的速度，责任归属不清是另一大核心障碍。

Q3：埃森哲提出的"人类主导"与"人类在环"有什么区别？

A："人类在环"仅指人类事后审查智能体完成的工作，而"人类主导"则意味着工作的责任始终归属于人类，而非智能体。埃森哲认为，这一区别至关重要——真正负责任的智能体部署，要求人类在决策和责任链条中处于主导地位，而不仅仅是被动的审核角色。