每經(jīng)記者｜張梓桐    每經(jīng)編輯｜裴健如    

OpenAI發(fā)布具備自主思考能力的ChatGPT智能體；零一萬物發(fā)布企業(yè)級Agent智能體“萬仔”??一時(shí)之間，AI Agent（智能體）正從概念加速落地，國內(nèi)外科技巨頭紛紛布局。

7月28日，在2025世界人工智能大會(huì)暨人工智能全球治理高級別會(huì)議（WAIC 2025）上，安永大中華區(qū)發(fā)布AI Agent產(chǎn)品功能——安永智能問答3.0。安永大中華區(qū)人工智能與數(shù)據(jù)咨詢服務(wù)聯(lián)席主管合伙人陳劍光在接受《每日經(jīng)濟(jì)新聞》（以下簡稱NBD）記者采訪時(shí)表示，衡量AI Agent“好用”的關(guān)鍵指標(biāo)需兼顧技術(shù)效能與業(yè)務(wù)價(jià)值。

圖片來源：企業(yè)供圖

陳劍光強(qiáng)調(diào)，AI Agent是否“好用”，技術(shù)上需關(guān)注準(zhǔn)確性、響應(yīng)速度等指標(biāo)，業(yè)務(wù)上則需關(guān)注效率提升、成本優(yōu)化、風(fēng)控增強(qiáng)等實(shí)際價(jià)值，需體現(xiàn)對業(yè)務(wù)目標(biāo)的支撐度。

除此之外，不同行業(yè)的Agent需求差異顯著。

金融業(yè)聚焦風(fēng)控合規(guī)，如投資組合合規(guī)助手、實(shí)時(shí)交易監(jiān)控；零售業(yè)側(cè)重供應(yīng)鏈優(yōu)化與精準(zhǔn)營銷，如消費(fèi)者行為分析推薦Agent；制造業(yè)則深耕設(shè)備維護(hù)與生產(chǎn)優(yōu)化，典型如預(yù)測性維護(hù)Agent、質(zhì)量檢測Agent。不過，各行業(yè)在人事、行政等職能部門存在共性需求，核心是提升運(yùn)營效率。

以下為對話實(shí)錄：

Agent應(yīng)用兩大核心痛點(diǎn)：系統(tǒng)集成障礙與垂直領(lǐng)域適配度不足

NBD：目前企業(yè)在落地Agent應(yīng)用時(shí)，最常遇到的痛點(diǎn)是什么？從您的實(shí)踐經(jīng)驗(yàn)來看，這些痛點(diǎn)背后的核心原因是什么？

陳劍光：目前，企業(yè)在部署Agent應(yīng)用時(shí)，普遍面臨的兩大核心痛點(diǎn)是系統(tǒng)集成障礙與垂直領(lǐng)域適配度不足。

Agent與企業(yè)現(xiàn)有的核心業(yè)務(wù)系統(tǒng)（如ERP、CRM、財(cái)務(wù)系統(tǒng)等）的協(xié)同困難是一個(gè)高頻挑戰(zhàn)。實(shí)踐中經(jīng)?？吹?，由于接口協(xié)議不一致、數(shù)據(jù)格式不兼容等問題，Agent難以順暢地與這些系統(tǒng)進(jìn)行數(shù)據(jù)交換和指令執(zhí)行，從而造成任務(wù)中斷、效率低下。比如，一個(gè)負(fù)責(zé)費(fèi)用報(bào)銷的財(cái)務(wù)Agent，可能因無法正確解析不同格式的票據(jù)信息而導(dǎo)致流程停滯。

在面對特定行業(yè)的專業(yè)場景時(shí)，通用Agent模型常常顯得“力不從心”，關(guān)鍵在于缺乏深度融入行業(yè)的知識庫和數(shù)據(jù)來做支撐。例如，在金融風(fēng)控領(lǐng)域，模型需要整合瞬息萬變的監(jiān)管規(guī)則和市場數(shù)據(jù)；在醫(yī)療診斷領(lǐng)域，則需要模型具備理解并融合影像和文本病歷的能力。通用模型在這些高度專業(yè)化的環(huán)境中，精度往往難以達(dá)到業(yè)務(wù)要求。

這些痛點(diǎn)的背后，核心原因在于雙重壁壘。一是技術(shù)整合壁壘。打通異構(gòu)系統(tǒng)的“最后一公里”，需要解決復(fù)雜的技術(shù)接口、數(shù)據(jù)映射和流程銜接問題，工程實(shí)施復(fù)雜度高。二是領(lǐng)域知識與數(shù)據(jù)治理壁壘。構(gòu)建真正有效的垂直領(lǐng)域Agent，不僅需要引入深厚的行業(yè)專業(yè)知識，還需要高質(zhì)量、結(jié)構(gòu)化的領(lǐng)域數(shù)據(jù)進(jìn)行持續(xù)訓(xùn)練與調(diào)優(yōu)。然而，高質(zhì)量數(shù)據(jù)的獲取、清洗、標(biāo)注及其所涉及的治理成本，構(gòu)成了顯著的障礙。這不僅是技術(shù)門檻，更是知識工程和數(shù)據(jù)資產(chǎn)管理的系統(tǒng)性挑戰(zhàn)。

NBD：不同行業(yè)（比如金融、零售、制造業(yè)）的企業(yè)在使用Agent時(shí)，需求和應(yīng)用場景會(huì)有明顯差異嗎？能否舉例說說典型行業(yè)的特色應(yīng)用？

陳劍光：行業(yè)間的差異化需求非常顯著，主要體現(xiàn)在核心業(yè)務(wù)流程的差異和數(shù)據(jù)屬性的專業(yè)性要求上。

例如，金融業(yè)高度關(guān)注風(fēng)險(xiǎn)控制和合規(guī)管理，典型Agent的應(yīng)用場景如面向客戶經(jīng)理的投資組合分析助手，提供合規(guī)建議，或者類似于提供自動(dòng)化的實(shí)時(shí)交易監(jiān)控Agent，用于識別交易異常模式。

零售業(yè)的核心痛點(diǎn)圍繞供應(yīng)鏈優(yōu)化、庫存管理、精準(zhǔn)營銷與客戶體驗(yàn)提升。典型場景如分析消費(fèi)者行為數(shù)據(jù)的個(gè)性化推薦Agent；優(yōu)化物流路線的動(dòng)態(tài)規(guī)劃Agent等。

制造業(yè)的應(yīng)用場景可能更關(guān)于設(shè)備維護(hù)管理、生產(chǎn)流程優(yōu)化與質(zhì)量控制等。典型應(yīng)用包括預(yù)測性維護(hù)Agent，通過分析設(shè)備傳感器數(shù)據(jù)提前預(yù)警故障；生產(chǎn)排程優(yōu)化Agent，實(shí)時(shí)調(diào)整產(chǎn)線資源分配；整合視覺識別技術(shù)的質(zhì)量檢測Agent，自動(dòng)化識別產(chǎn)品缺陷等。

行業(yè)差異決定了Agent的核心使命：解決各自領(lǐng)域最關(guān)鍵的效率瓶頸或風(fēng)險(xiǎn)點(diǎn)。另外，各個(gè)企業(yè)也都存在一些共性場景，例如對于人事、行政、法務(wù)、通用IT支持等職能部門，需求通常集中于提升內(nèi)部運(yùn)營效率，如自動(dòng)化查詢政策信息、標(biāo)準(zhǔn)化審批流程、提供IT支持等。這類Agent應(yīng)用追求的核心價(jià)值是流程自動(dòng)化與執(zhí)行效率提升。

業(yè)務(wù)價(jià)值指標(biāo)是證明Agent投入產(chǎn)出比的核心

NBD：企業(yè)Agent的“智能化”程度往往是關(guān)注焦點(diǎn)，您認(rèn)為衡量一個(gè)企業(yè)Agent“好用”的關(guān)鍵指標(biāo)有哪些？

陳劍光：衡量企業(yè)Agent是否真正好用，需要從技術(shù)效能與業(yè)務(wù)價(jià)值雙維度綜合評估，考量其對業(yè)務(wù)目標(biāo)的支撐度。

技術(shù)效能指標(biāo)是Agent基礎(chǔ)能力的量化體現(xiàn)，依據(jù)其具體目標(biāo)設(shè)定，包括準(zhǔn)確性、魯棒性、響應(yīng)速度、吞吐量等。以一個(gè)面向內(nèi)部的客戶服務(wù)查詢Agent為例，技術(shù)指標(biāo)包括用戶咨詢的意圖識別準(zhǔn)確度、后臺(tái)信息查詢的響應(yīng)時(shí)間、調(diào)用客服系統(tǒng)接口的成功率等。

業(yè)務(wù)價(jià)值指標(biāo)則是證明Agent投入產(chǎn)出比的核心，體現(xiàn)實(shí)際落地效果，包括效率提升（是否縮短業(yè)務(wù)流程時(shí)長、節(jié)省人力操作時(shí)長）、成本優(yōu)化（優(yōu)化運(yùn)營成本、識別潛在客戶）、風(fēng)控提升（降低合規(guī)風(fēng)險(xiǎn)/操作風(fēng)險(xiǎn)）、質(zhì)量提升（提升產(chǎn)品/服務(wù)質(zhì)量）等。

在技術(shù)指標(biāo)滿足的基礎(chǔ)上，能清晰量化其對實(shí)際業(yè)務(wù)的影響，是Agent價(jià)值的體現(xiàn)。

NBD：隨著大模型技術(shù)的發(fā)展，企業(yè)Agent在功能迭代上有哪些新趨勢？比如，是否會(huì)更注重多模態(tài)交互或自主決策能力？

陳劍光：確實(shí)，企業(yè)Agent的能力邊界正在被大模型技術(shù)不斷拓寬。Agent正從單一的文本交互，向融合視覺、聽覺等多模態(tài)信號的方向發(fā)展，這使得Agent能處理和應(yīng)對更復(fù)雜的企業(yè)場景。例如，通過圖像識別解析掃描文檔、表單、儀表盤截圖等非結(jié)構(gòu)化信息；結(jié)合語音識別與合成技術(shù)，構(gòu)建更自然、可提供多感官交互體驗(yàn)的數(shù)字人（虛擬客服、培訓(xùn)助手）；在工業(yè)質(zhì)檢中，整合視覺識別實(shí)現(xiàn)對產(chǎn)品缺陷或生產(chǎn)線異常的自動(dòng)化檢測等。

隨著大模型理解、推理和規(guī)劃能力的提升，Agent在預(yù)設(shè)規(guī)則和安全邊界內(nèi)的自主決策能力正在增強(qiáng)，能處理更復(fù)雜的規(guī)則組合，逐步從純“執(zhí)行者”向具有一定分析能力的“輔助決策者”角色演進(jìn)。通過學(xué)習(xí)和掌握更廣泛、更復(fù)雜的工具調(diào)用能力，將更深度地嵌入現(xiàn)有業(yè)務(wù)流程，自動(dòng)觸發(fā)并協(xié)調(diào)后端系統(tǒng)的多項(xiàng)操作，形成更強(qiáng)的端到端自動(dòng)化鏈條。

除了“多模態(tài)”“多功能”“多協(xié)作”，即由多個(gè)具備不同技能的Agent組成“團(tuán)隊(duì)”，通過明確的任務(wù)分配和協(xié)作機(jī)制，共同完成更復(fù)雜的、需要多步推理或跨系統(tǒng)協(xié)作的任務(wù)鏈，提升整體解決問題的能力上限。

NBD：對于還未嘗試Agent應(yīng)用的中小企業(yè)，您認(rèn)為它們可以從哪些低成本、易落地的場景入手，逐步感受其價(jià)值？

陳劍光：對于初次嘗試的企業(yè)，我們建議采取“小步快跑”策略，可以先從輕量場景切入，即需求明確、技術(shù)輕量、能快速體現(xiàn)價(jià)值的“試點(diǎn)場景”。例如，文檔摘要與信息檢索，可以通過智能信息助手，針對企業(yè)內(nèi)部政策/知識庫問答，包括HR福利查詢、IT常見問題解答；輕度的業(yè)務(wù)流程自動(dòng)化，包括簡單表單數(shù)據(jù)的自動(dòng)化審核（如檢查必填項(xiàng)、格式合規(guī)）、標(biāo)準(zhǔn)化通知的定時(shí)發(fā)送等；以及協(xié)同增強(qiáng)工具，包括編程助手提升、智能文檔翻譯等。

對中小企業(yè)而言，初期應(yīng)當(dāng)利用成熟的外部服務(wù)API（應(yīng)用程序編程接口）來快速擴(kuò)展Agent的功能，或選擇提供Agent能力的SaaS（軟件運(yùn)營服務(wù)）產(chǎn)品或按需付費(fèi)的模型服務(wù)（如大模型服務(wù)商的Agent平臺(tái)），也可基于低代碼/零代碼平臺(tái)構(gòu)建屬于自己的Agent應(yīng)用，以降低硬件投入和初始維護(hù)成本。

通過這些試點(diǎn)，企業(yè)能低成本驗(yàn)證技術(shù)價(jià)值，積累運(yùn)營經(jīng)驗(yàn)，培養(yǎng)團(tuán)隊(duì)信心，為后續(xù)更復(fù)雜、深度的應(yīng)用打下基礎(chǔ)。

最重要的是深刻理解——Agent的核心價(jià)值，絕非簡單地“替代人力”，而是通過承擔(dān)規(guī)則性、重復(fù)性的流程執(zhí)行任務(wù)，釋放員工的時(shí)間和精力，使其能夠投入到更富創(chuàng)造力的工作、更復(fù)雜的判斷決策和更高價(jià)值的創(chuàng)新活動(dòng)中。其終極目標(biāo)是實(shí)現(xiàn)“人機(jī)協(xié)同、人智增強(qiáng)”，推動(dòng)組織效能升級。

封面圖片來源：每日經(jīng)濟(jì)新聞 資料圖