核心摘要：AI Agent（AI 智能體）正在從實驗室走向企業(yè)核心。對于 CIO 而言，角色正在發(fā)生根本性轉(zhuǎn)變：從管理服務(wù)器和軟件的“技術(shù)管家”，進化為編排人類與 AI 混合團隊的“勞動力指揮官”。但這不僅是技術(shù)挑戰(zhàn)，更是關(guān)于治理、信任和文化的管理藝術(shù)。
幾年前，“AI Agent”還只是學(xué)術(shù)論文里的生僻詞。今天，它正迅速成為你團隊中的“新同事”。
根據(jù) Dynatrace 的最新報告，26% 的組織已經(jīng)有 11 個以上的 Agent 項目在運行。從 IT 運維到軟件開發(fā)，這些能夠感知、決策并行動的自主系統(tǒng)正在重塑工作的本質(zhì)。
對于 CIO 來說，這不僅僅是一次技術(shù)升級，更是一場職業(yè)角色的重塑。
Wiss 公司的 CIO Hrishikesh Pippadipally 提出了一個精準的定義：CIO 正在成為“混合勞動力設(shè)計師”。未來的團隊將由人類員工、AI Agent 和外部供應(yīng)商共同組成。CIO 的核心職責(zé)不再是“維護系統(tǒng)穩(wěn)定”，而是設(shè)計這個混合團隊的協(xié)作模式、權(quán)限邊界和責(zé)任歸屬。
不是所有工作都適合交給 Agent。Pippadipally 建議使用三個標準來篩選任務(wù)：
邊界清晰：輸入、輸出和成功標準必須明確。
風(fēng)險可控：咨詢性或準備性工作優(yōu)于最終決策性工作。
能力匹配：依賴速度和模式識別的任務(wù)交給 AI；依賴直覺、判斷和人際關(guān)系的任務(wù)留給人類。
簡單來說：把 Agent 當作不知疲倦的初級員工，而不是全能的決策者。
別只盯著成本節(jié)省。如果 Agent 雖然快但經(jīng)常犯錯，導(dǎo)致人類員工不得不花更多時間去返工，那它的 ROI 就是負的。
真正的價值在于：周期時間減少 + 錯誤率降低 + 解鎖高價值工作容量。
MacPaw 的 IT 負責(zé)人建議，每個用例節(jié)省 50% 的時間是一個不錯的及格線。但切記，早期的績效數(shù)據(jù)可能具有誤導(dǎo)性，那是調(diào)優(yōu)期，不是最終結(jié)果。
許多先行者通過痛苦的經(jīng)歷學(xué)到了教訓(xùn)：技術(shù)選擇很容易，但治理很難。
從第一天起就建立反饋循環(huán)：無論 Agent 做了多少工作，最終結(jié)果必須有人類負責(zé)。
把安全和法務(wù)拉進來：別等到 Agent 開始處理敏感數(shù)據(jù)了才想起合規(guī)問題。
從小處著手：先在內(nèi)部低風(fēng)險用例中試水，驗證成功后再擴展。
結(jié)語
AI Agent 的推廣既是技術(shù)挑戰(zhàn)，更是人性挑戰(zhàn)。CIO 需要像管理人類員工一樣管理 Agent——給它們明確的指令（Prompt），監(jiān)督它們的產(chǎn)出，并為它們的錯誤負責(zé)。
未來的 CIO，不僅要懂代碼，更要懂“人機協(xié)作的管理學(xué)”。
全文：不斷壯大的 AI 勞動力如何改變 CIO 的角色
摘要：隨著 CIO 們在領(lǐng)導(dǎo)人力與 AI 代理混合團隊的基礎(chǔ)上不斷創(chuàng)新，同時保持治理、問責(zé)和信任，他們正逐漸遠離僅僅管理技術(shù)的形象。
幾年前，“AI Agent（人工智能代理/智能體）”這個詞對大多數(shù) CIO 來說還是陌生的。它只出現(xiàn)在極少數(shù)學(xué)術(shù)論文中，遠離商業(yè)現(xiàn)實。如今，AI Agent 正迅速融入企業(yè)結(jié)構(gòu)，迫使 CIO 適應(yīng)一種人類與這些自主系統(tǒng)并存的新工作模式。
AI Agent 的采用速度只會加快。根據(jù) Dynatrace 的《2026 年 Agentic AI 脈動》報告，26% 的組織已經(jīng)有 11 個或更多 Agent 項目在進行中。雖然大約一半的項目仍處于概念驗證 (POC) 或試點階段，但越來越多的公司已從實驗轉(zhuǎn)向大規(guī)模部署。AI Agent 主要用于 IT 運營和 DevOps，在軟件工程和客戶支持領(lǐng)域的采用也在不斷擴大。
“如今大多數(shù) Agent 都是增強型的大型語言模型，通過 API 和受控權(quán)限訪問工具、系統(tǒng)或數(shù)據(jù)，”卡內(nèi)基梅隆大學(xué)軟件工程研究所的 AI/ML 研究科學(xué)家 Thomas Serban von Davier 表示，“有效采用更多依賴于與 IT 團隊合作制定的明確治理和訪問策略，而非技術(shù)本身?！?/span>
換句話說，CIO 預(yù)計在不久的將來將承擔(dān)更多責(zé)任?！霸摻巧趶南到y(tǒng)所有者向勞動力協(xié)調(diào)員 (Workforce Orchestrator)演變，”會計公司 Wiss 的 CIO Hrishikesh Pippadipally 補充道，“CIO 將越來越多地負責(zé)設(shè)計由人類、Agent 和供應(yīng)商組成的混合團隊?！?/span>
雖然這條路帶來了機遇，但也帶來了復(fù)雜的挑戰(zhàn)。CIO 們必須聰明地選擇何時以及如何使用 AI Agent，監(jiān)督它們，以及如何平衡自主與問責(zé)，因為這些系統(tǒng)在日常工作中正扮演更積極的角色。
一年前，熱情推動組織嘗試在任何聽起來有趣的自動化領(lǐng)域使用 Agent。但隨著這些技術(shù)在企業(yè)中擴散，CIO 們必須變得更加戰(zhàn)略性，專注于這項技術(shù)能夠帶來價值的特定領(lǐng)域。
“目前 Agentic AI 的最佳擊球點 (sweet spot) 是自動化跨多個系統(tǒng)的可重復(fù)流程，”Rimini Street 全球 CIO Joe Locandro 表示。他說，通過從這些來源提取數(shù)據(jù)并自動化手工步驟，Agent 可以簡化工作流程，減少完成常規(guī)任務(wù)所需的工作量。
云計算公司 Nutanix 的 CAIO（首席人工智能官）Debo Dutta 表示，需要大量企業(yè)背景信息的重復(fù)性工作是 AI 發(fā)揮優(yōu)勢的地方。他補充說，Agent 也非常適合進行更深入的研究，因為在這些任務(wù)中，整合零散信息通常需要大量人力。
在決定是否使用 AI Agent 時，擁有清晰、預(yù)先設(shè)定的標準會有所幫助。Pippadipally 通常關(guān)注三點：
任務(wù)邊界清晰：必須有明確的輸入、輸出和成功標準。
風(fēng)險可控：咨詢性或準備性任務(wù)比涉及最終決策或監(jiān)管問責(zé)的任務(wù)更合適。
能力匹配：任務(wù)是否更受益于速度、規(guī)?；蚰Ｊ阶R別，而非人類直覺、判斷或關(guān)系背景？“如果任務(wù)仍需頻繁處理例外情況、細致的利益相關(guān)者判斷或深度領(lǐng)域問責(zé)，它應(yīng)保持由人類主導(dǎo)，依靠 AI 支持，而非完全由 Agent 驅(qū)動，”他補充道。
通常，適合 AI Agent 的任務(wù)往往有幾個共同特征：它們需要大量人工作業(yè)，決策風(fēng)險低（AI 支持而非替代人工判斷），能夠跨越多個人員、團隊或流程交付價值，并且依賴的數(shù)據(jù)不具有高度敏感性。
通過實驗，CIO 們可以理解 AI 的工作原理及其優(yōu)勢所在。“所以如果任務(wù)是研究或探索替代解決方案，我們通常從 AI 開始，”軟件公司 Obrio 的 CTO Anton Vodolazkyi 說，“如果這還不夠，我們就手動介入?！?/span>
在評估 AI Agent 生產(chǎn)力時，傳統(tǒng) IT 指標只反映了部分情況。僅僅關(guān)注成本會忽略關(guān)鍵的價值維度，比如結(jié)果的可靠性以及釋放的人力資源容量。
“我們不再僅僅以成本節(jié)省來衡量 AI Agent，而是結(jié)合周期時間減少、吞吐量、錯誤率以及解鎖更高價值工作的容量，”Pippadipally 說。例如，如果 Agent 將任務(wù)從數(shù)小時縮短到幾分鐘，釋放出技術(shù)員工專注于分析或面向客戶的工作，并提供準確結(jié)果，這就是有意義的 ROI。
僅僅考慮速度是錯誤的，因為如果 Agent 犯錯、放大風(fēng)險或給人類團隊帶來下游返工，更快的結(jié)果意義不大。這就是為什么準確性和可靠性應(yīng)成為組織評估 Agent 績效的核心。
但衡量 AI Agent 的生產(chǎn)力和 ROI 并不簡單，因為它們主要作為賦能人類的工具，Agent 的貢獻與人類最終交付成果之間的界限往往模糊不清。
應(yīng)用開發(fā)商 MacPaw 的 IT 負責(zé)人 Max Stukalenko 表示，在節(jié)省時間方面，每個用例大約節(jié)省?50%是一個不錯的門檻?！半S著這些系統(tǒng)的成熟，我們計劃引入更多結(jié)構(gòu)化指標，包括質(zhì)量、采用率和可擴展性指標?！?/span>
軟件公司 Intellias 的 IT 與行政副總裁 Oleksii Reshetniak 也提醒不要過早宣布明確的 ROI，指出早期表現(xiàn)可能具有誤導(dǎo)性。“最初幾周通常是調(diào)優(yōu)和穩(wěn)定階段，因此我們將早期結(jié)果視為信號，而非確鑿證據(jù)，”他說。
和所有新技術(shù)一樣，AI Agent 的引入帶來了希望也帶來了復(fù)雜性，為本已要求極高的 CIO 角色增添了新的層次。CIO 們必須考慮治理、風(fēng)險、人才和組織變革，同時還要面對源源不斷涌現(xiàn)、承諾競爭優(yōu)勢的新 AI 工具。
“鑒于技術(shù)和軟件發(fā)展速度極快，CIO 們選擇合適的平臺和工具是一項挑戰(zhàn)，”Rimini Street 的 Locandro 表示，“同樣，許多 AI 仍然嵌入在軟件解決方案中，因此挑戰(zhàn)在于區(qū)分哪些應(yīng)使用內(nèi)置 AI，哪些需要定制 AI?！?/span>
工具的激增使得保持架構(gòu)一致性和企業(yè)持續(xù)監(jiān)督變得更加困難，增加了復(fù)雜性和風(fēng)險。因此，最大的挑戰(zhàn)之一是跟上所有這些變化，并做出“自建還是購買 (build vs. buy)”的決策，Nutanix 的 Dutta 說。
治理、問責(zé)和信任也是 CIO 在被問及部署和監(jiān)督 AI Agent 的挑戰(zhàn)時經(jīng)常提到的問題?！懊鞔_定義 Agent 的權(quán)限范圍、分配結(jié)果的所有權(quán)、將 Agent 整合進遺留架構(gòu)，以及管理期望與實際能力，都需要細致關(guān)注，”瑞士零售分析公司 Catomize by hidden hint 的 CTO Teymuraz Bezhashvyly 表示，“因此，CIO 角色正朝著更強有力的 AI 治理監(jiān)督、風(fēng)險管理和跨職能協(xié)調(diào)發(fā)展，而非單純的技術(shù)部署。”
即使 AI 開始重塑日常工作，并非所有人都準備好改變其運營方式，這種抵制使 CIO 的工作更加艱難。因此，推動采用往往需要對人和文化的關(guān)注與技術(shù)本身同等重要。
“AI 工作坊、游戲化方法及其他類似活動效果不錯，但改變?nèi)藗兊淖鍪路绞讲⒐膭钏麄儾杉{這些變化需要時間和精力，”MacPaw 的 Stukalenko 說。
許多組織如果有機會重來，可能會做出略有不同的選擇。最早的 Agent 部署往往是出于好奇心或追求速度，根本性的問題被遺漏了。
“根據(jù)我們之前的經(jīng)驗，我的建議是做好規(guī)劃，尤其是針對不同 Agent 類型、目標以及評估 Agent 是否履行職責(zé)的方式，”Dutta 說。
CIO 們反復(fù)強調(diào)的一個主題是從小規(guī)模開始的價值。成功的團隊往往會先在內(nèi)部用例中引入 Agent，學(xué)習(xí)實際應(yīng)用中的經(jīng)驗，然后才擴大其范圍。Dutta 還強調(diào)架構(gòu)靈活性的重要性。他說，設(shè)計支持多個 Agent 供應(yīng)商的企業(yè)系統(tǒng)有助于避免過度依賴單一供應(yīng)商，并隨著能力、定價模型和監(jiān)管要求的不斷演變，更容易適應(yīng)變化。
除了技術(shù)選擇，組織還通過痛苦的經(jīng)歷學(xué)到，問責(zé)不能是事后考慮的?！靶枰M早建立明確的所有權(quán)和治理，Agent 應(yīng)更多被視為初級團隊成員，而非完全自主的替代者，”Bezhashvyly 說。
他補充說，反饋循環(huán)和監(jiān)控應(yīng)從第一天起實施，且無論 Agent 完成了多少工作，最終輸出總有人承擔(dān)責(zé)任。當技術(shù)和業(yè)務(wù)領(lǐng)導(dǎo)者共同參與并審查時，這種監(jiān)督效果最佳。
“回顧過去，我們會在流程更早階段就讓安全和法律團隊參與進來，并避免在真正了解實際使用模式之前過度設(shè)計初始實施方案，”Bezhashvyly 補充道。
也有人提醒，AI Agent 的推廣既是技術(shù)挑戰(zhàn)，也是人性挑戰(zhàn)，因此擁有合適技能、判斷力和權(quán)威的人才至關(guān)重要。
“如果我們再做一次，我們會更早投資于變革管理和培訓(xùn)，特別是關(guān)于管理者如何監(jiān)督 AI 驅(qū)動的工作，”Pippadipally 說，“將 Agent 視為勞動力的一部分，而不僅僅是另一個應(yīng)用程序，需要一種思維轉(zhuǎn)變，這與技術(shù)本身同樣重要?！?/span>
