AI Agents

從輔助轉向執行:企業導入 AI 代理人的實務趨勢與效能差距

作者

該內容精準捕捉了 AI 應用從『對話』轉向『行動』的範式轉移,論點具備強烈的数据支持(如 Token 產出比),評價為高品質的趨勢分析。然而,其結論過於依賴 OpenAI 的內部數據,未充分討論 AI 代理人在實際執行中可能導致的權限崩潰或安全性風險,在實務落地建議上略顯理想化。

從輔助轉向執行:企業導入 AI 代理人的實務趨勢與效能差距

OpenAI 近期發布了兩項研究報告,分別名為 Enterprise Signals 以及關於 ChatGPT 在組織中使用情況的 working paper。這兩份報告揭示了一個關鍵的轉型趨勢:企業對 AI 的利用方式正從單純的「詢問與輔助」演進為「執行與交付」。這種轉變的核心在於 AI 代理人(AI Agents)的崛起,使 AI 不再只是回答問題的聊天機器人,而是能夠操作工具、處理複雜工作流並產出具體成果的執行者。

背景與問題:從輔助到執行的定義

在 AI 導入的初期,大多數企業將 AI 視為一種助手(Assistant),主要用於激發靈感、摘要文本或解答疑問,這屬於「輔助思考」的階段。然而,前瞻企業(Frontier Firms)正將其推向「執行」階段,引入 AI 代理人(AI Agents)的概念。AI 代理人是指能夠在給定目標下,自主規劃步驟、調用外部工具並在公司特定上下文中完成任務的系統。

例如,傳統的輔助模式是詢問 AI 如何準備一份簡報;而執行模式則是要求 AI 代理人從多個內部資料源收集相關資訊,並直接草擬出完整的簡報初稿供人類審核。這種從「問答」到「做事」的跳躍,直接影響了 AI 在企業內部的產出規模與價值。

核心內容:前瞻企業的深度應用與效能差距

研究發現,企業之間在 AI 使用深度上出現了顯著的分化。OpenAI 將每月 AI 使用量前 10% 的公司定義為前瞻企業,並以每個活躍使用者的輸出 Token 數量(Output Tokens,指 AI 生成的文字量,可用作衡量使用深度的指標)來衡量。

數據顯示,前瞻企業的輸出 Token 量是普通企業的 8.3 倍,而這個差距在今年年初僅為 2.6 倍。這意味著前瞻企業不僅僅是「更多人使用 AI」,而是「更深層地使用 AI」。這種差距主要源於對代理人工作流(Agentic Workflows)的採納,因為執行類任務通常涉及多步驟的操作與更長篇幅的產出,因此會產生更多的 Token。

前瞻企業之所以能拉開差距,關鍵在於他們更頻繁地使用進階功能,例如插件(Plugins)與技能(Skills)。插件是一種將 AI 代理人與公司內部數據、工具或特定動作連接的機制,讓 AI 能在特定業務邏輯下運作。例如,銷售團隊可以建立一個結合銷售手冊與 CRM 客戶關係管理系統的插件,使 AI 能根據客戶的歷史記錄與提案,自動生成量身定制的回覆草稿。統計顯示,前瞻企業有 21% 的使用者每週使用插件,而普通企業僅為 9%。

技術脈絡:AI 代理人的跨領域擴散

過去,AI 代理人的應用高度集中在軟體工程領域,例如使用 Codex(OpenAI 的程式碼生成模型)來重構舊有程式碼。然而,目前的趨勢是 AI 代理人正迅速擴散至所有知識工作(Knowledge Work)領域。

自今年二月以來,法律、銷售、招聘與行銷等非技術部門的 Codex 使用量呈現爆發式增長,其中法律部門的週活躍使用者增長了 108 倍,銷售與招聘則增長了 41 倍,而工程部門的增長率僅為 5 倍。這說明 AI 代理人的價值已不再侷限於寫程式,而是延伸到任何需要處理大量資訊、重複性流程且有明確產出目標的行政與商業職能中。

以維珍航空(Virgin Atlantic)為例,其工程團隊利用 Codex 將原本需要兩週的程式碼重構工作縮短至 30 分鐘;而產品團隊則利用 ChatGPT Work 在數小時內完成原本需要數週的競爭對手研究,進而定義公司的五年數位轉型策略。

影響、限制與實務意義

研究揭露了一個有趣的現象:AI 的採納程度與員工資歷呈反比。數據顯示,初入職場的年輕員工使用 AI 的頻率最高,每週發送的消息量顯著高於高階主管。這表明年輕員工在建立 AI 使用習慣上具有比較優勢,而企業領導者可以藉此機會,將這些高效的個體工作流轉化為組織內可複製的標準作業程序。

然而,僅僅提供 AI 帳號並不等於提升生產力。要縮小前瞻企業與普通企業之間的差距,組織必須在以下三個方面進行配套投資:

第一,數據基礎設施與工具連接。AI 代理人需要正確的上下文(Context)與工具權限才能發揮作用,缺乏與內部系統對接的 AI 僅能提供通用答案,無法執行具體業務。

第二,治理與審核機制。從輔助轉向執行意味著 AI 產出的影響力增加,因此必須建立明確的權限管理、治理流程以及人類審核(Human-in-the-loop)機制,確保執行結果的準確性與安全性。

第三,從個體經驗到集體知識。企業需要將個別員工發現的有效 AI 工作流,制度化為全公司共享的運作方式,而非讓 AI 能力碎片化地存在於少數個體手中。

總結來說,企業 AI 的競爭已從「是否使用」轉向「如何深度執行」。那些能夠將 AI 代理人與公司業務流程深度整合、並將個體高效能轉化為組織能力的企業,將在生產力上取得絕對領先。

本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理,並非原文逐字翻譯。