据《麻省理工科技评论》洞察内容团队（MIT Technology Review Insights）与客服技术企业 NiCE 联合制作的一期线上研讨，NiCE 首席运营官 Arun Chandra 指出，智能体 AI 正从实验阶段走向企业级部署，但多数组织仍卡在零散试点，难以形成规模。

八成五百强已试水，规模化却滞后

Arun Chandra 提供的数据显示，约 80% 的财富五百强企业已经引入了某种形式的智能体 AI。然而，从试点到真正产生规模效益的进展并不均衡，大量企业仍停留在相互孤立的试点项目。

“大家都在想，这项技术到底能做什么？”Arun Chandra 如此描述企业初期的普遍心态。但他强调，规模化的前提是把技术探索和明确的业务战略连接起来。

先定目标，再谈技术

在 Arun Chandra 看来，组织首先需要回答一个问题：部署智能体 AI 究竟是为了增加营收、降低成本，还是实现其他战略或财务目标。目标清晰之后，才应重新审视智能体将运行的工作流，而不是简单地把 AI 叠加到既有流程之上。

“最不该做的，就是把 AI 用在一个过时或低效的工作流上。”他提醒，若底层流程本身存在缺陷，智能体只会把问题放大。

智能体需要”系统级”支撑

要将智能体真正投入生产，企业需要把它们视作一个协调一致的系统，而非零散工具。智能体必须能够获取做出有效决策所需的数据、知识与上下文，并在需要执行动作时连接到后端系统。

Arun Chandra 认为，信息碎片化会直接削弱智能体的能力：”这些 AI 智能体的成效，完全取决于它们能够摄取并使用的上下文、知识与数据。”与此同时，随着智能体承担更关键的工作，治理、隐私、安全与变革管理的重要性同步上升。

把智能体当作”数字员工”

他进一步建议，企业应以衡量人类员工的标准来要求 AI 智能体，并把劳动力视为”人 + 智能体”的组合。在理想情况下，这种连通式的架构能让智能体主动工作，甚至与其他智能体协作，共同解决客户需求。

别想”一口吃成胖子”

对于正从试点迈向规模化的组织，Arun Chandra 给出的建议是不要”试图煮沸整片海洋”，而应围绕高价值场景、工作流、人力变革与可衡量结果，构建一套连贯的策略。

这篇内容由 MIT Technology Review Insights 制作，属于定制内容，并非该刊编辑部的独立新闻报道。