在企业中规模化扩展智能体AI试点项目
摘要
本文探讨了企业在将智能体AI从试点扩展至全面部署时所面临的挑战，强调了需要制定连贯的策略、整合工作流程以及实施强有力的治理措施，以实现有意义的成果。
<p>随着智能体AI从实验阶段走向企业部署，关键挑战在于如何让智能体协同工作、连接它们所需的系统和数据，并在运营业务的工作流程中安全运行。尽管约80%的财富500强企业已采用智能体AI，但实现有意义的规模化进展仍不均衡，许多组织仍停留在孤立的试点项目中。</p>
<figure class="wp-block-image size-large"><a href="https://technologyreview.tradepub.com/free/w_defa11589/prgm.cgi" target="_blank" rel=" noreferrer noopener"><img fetchpriority="high" decoding="async" width="1200" height="675" src="https://wp.technologyreview.com/wp-content/uploads/2026/08/MITTRI-NiCE-social-card.png?w=840" alt="" class="wp-image-1142872" srcset="https://wp.technologyreview.com/wp-content/uploads/2026/08/MITTRI-NiCE-social-card.png 1200w, https://wp.technologyreview.com/wp-content/uploads/2026/08/MITTRI-NiCE-social-card.png?resize=300,169 300w, https://wp.technologyreview.com/wp-content/uploads/2026/08/MITTRI-NiCE-social-card.png?resize=768,432 768w" sizes="(max-width: 1200px) 100vw, 1200px" /></a></figure>
<div class="wp-block-buttons is-content-justification-left is-layout-flex wp-container-core-buttons-is-layout-fc4fd283 wp-block-buttons-is-layout-flex">
<div class="wp-block-button has-custom-width wp-block-button__width-auto is-style-fill is-style-fill--1"><a class="wp-block-button__link has-black-color has-text-color has-background has-custom-font-size wp-element-button" href="https://technologyreview.tradepub.com/free/w_defa11589/prgm.cgi" style="border-radius:4px;background-color:#f5b53c;font-size:16px" target="_blank" rel="noreferrer noopener">观看网络直播</a></div>
</div>
<p>对于 NiCE 首席运营官 Arun Chandra 来说，第一步是超越为实验而实验的阶段。“每个人都在试图弄清楚我们能用这项技术做什么？”他说道。但规模化需要更清晰地与企业战略联系起来：组织需要明确他们是想增加收入、降低成本，还是追求其他战略或财务目标。在此基础上，他们需要重新思考智能体将运行的工作流程，而不是仅仅将AI叠加到现有流程上。“最糟糕的做法是将AI应用于过时或低效的工作流程，”Chandra 表示。</p>
<p>这种转变要求组织将智能体AI视为一个协同的整体系统。智能体需要访问数据、知识和背景信息，以做出有效决策，如果期望它们采取行动，还需要连接到后端系统。碎片化的信息会削弱这些能力：“这些AI智能体的有效性完全取决于它们能摄取和使用的背景、知识和数据，”Chandra 说。</p>
<p>组织层面的影响同样值得注意。如果团队构建彼此不相连的孤立系统，扩展智能体可能会造成一种新的碎片化。同时，随着智能体承担越来越重要的工作，治理、隐私、安全和变更管理变得更为关键。Chandra 认为，AI智能体最终应与人类员工遵循相同的标准，组织应将其劳动力视为人类与AI智能体的结合。</p>
<p>展望未来，这种连贯的方法可以使智能体能够主动工作，甚至与其他智能体沟通以解决客户需求。对于正在从试点向规模化过渡的组织来说，首要任务不是“试图一口吃成胖子”，Chandra 表示，而是围绕高价值用例、工作流程、劳动力变更和可衡量的结果，建立一个连贯的策略。</p>
<p><em>本次网络直播由 NiCE 合作制作。</em></p>
<p><em>本内容由 Insights（MIT Technology Review 的定制内容部门）制作，而非其编辑团队。内容由人类研究并撰写，所使用的任何AI工具仅限于在人类监督下的生产流程。</em></p>
查看缓存全文
缓存时间: 2026/09/03 11:48
# 在企业范围内推广智能体AI试点项目
来源：https://www.technologyreview.com/2026/09/03/1142868/scaling-agentic-ai-pilot-across-the-enterprise
随着智能体AI从实验阶段迈向企业级部署，其挑战在于如何让智能体协同工作、连接所需的系统和数据，并在支撑业务运行的工作流中安全运作。尽管约80%的财富500强企业已采用智能体AI，但实现有意义的规模化进程仍不均衡，许多组织仍在开展孤立的试点项目。
[](https://technologyreview.tradepub.com/free/w_defa11589/prgm.cgi)对于NiCE的首席运营官阿伦·钱德拉而言，首要步骤是超越为实验而实验的阶段。“所有人都在试图弄清楚这项技术能用来做什么？”他指出。但规模化需要更清晰地与企业战略对接：组织需要明确是旨在增加收入、降低成本，还是实现其他战略或财务目标。在此基础上，他们需要重新思考智能体将要运作的工作流，而不仅仅是将AI叠加到现有流程上。“最忌讳的就是将AI应用于过时或低效的工作流，”钱德拉强调。
这一转变要求组织将智能体AI视为一个完整的系统。智能体需要获取做出有效决策所需的数据、知识和上下文信息，如果期望它们执行操作，还需要连接后端系统。碎片化的信息会削弱这些能力：“这些AI智能体的效能完全取决于它们能摄取和利用的上下文、知识和数据，”钱德拉解释道。
组织层面的影响同样值得关注。如果团队构建彼此孤立的系统，规模化智能体可能造成新的割裂；而随着智能体承担越来越重要的任务，治理、隐私、安全和变革管理也变得更为关键。钱德拉主张，AI智能体最终应与人类员工适用相同的标准，组织应将其劳动力视为人类与AI智能体的结合体。
展望未来，这种互联的方法可能使智能体能够主动运作，甚至与其他智能体相互通信以解决客户需求。对于正从试点转向规模化应用的组织，首要任务并非“贪大求全”，钱德拉强调，而是应围绕高价值用例、工作流、劳动力变革和可衡量成果，构建一个连接性的战略。
*本次网络研讨会与NiCE合作制作*
*本内容由MIT Technology Review的定制内容部门Insights制作，并非其编辑团队作品。内容由人类研究撰写，所使用的任何AI工具仅限于在人类监督下参与制作流程。*
相似文章
企业如何规模化应用人工智能
本文分享了欧洲企业领袖关于如何有效规模化应用人工智能的见解，强调文化、治理和工作流程重构，而非单纯的工具部署。文章推广了一份执行指南，其中包含实用经验教训以及用于负责任地采用人工智能的领导力诊断工具。
大多数企业正试图在组织混乱之上扩展AI
文章认为，企业AI采用的障碍并非模型能力不足，而是组织混乱和数据碎片化，导致难以安全有效地扩展AI。
大型科技与企业中的代理AI
一位企业研发经理对大型公司采用AI的现实情况的第一手视角，凸显了高管期望与实际生产力提升之间的差距，以及让团队有效使用AI工具所面临的挑战。
当底层业务流程存在问题，如何在生产工作流中扩展AI代理？
一位实践者分享了在生产环境中扩展多智能体AI系统所面临的挑战，包括处理影子工作流（未记录的Slack线程和电子表格）、跨系统（ERP到CRM）的上下文丢失，以及跨部门所有权问题。他们向经历过这些现实问题的人寻求建议。
以可信数据扩展AI智能体
一份基于对300位数据与技术高管的调查报告，探讨了遗留数据系统如何限制企业AI智能体的效能与扩展，并指出那些为智能体提供更广泛数据访问的“数据领导者”会获得更高的信任与成功。