MMC作为全球领先的专业服务公司，专注于风险、战略和人才领域，在深入访谈了 30 多家正在做 AI Agent 的创业公司创始人和 40 多位企业里的实际用户后，写下了《State of Agentic AI: Founder’s edition》这篇报告。

该报告全面剖析了当前企业部署AI Agent的核心挑战与演进路径。研究发现，尽管技术成熟度显著提升，但企业在实际落地过程中仍面临工作流集成、员工接受度和数据安全等多重障碍。该研究为正处于智能化转型关键期的企业提供了宝贵的实践洞察和战略参考。

本文精编了调研核心发现，为正在探索AI Agent落地的企业提供参考意见。

---

01/ AI Agent部署困境，大多数企业都卡在了哪个步骤？

当各大企业纷纷布局AI智能体时，研究发现阻碍AI智能体落地的最大障碍，并非技术本身，60%的创始人认为"工作流集成和人机交互界面" 是最大挑战。

所谓“工作流集成”，远不止是安装一个AI工具，而是要将其无缝融入企业现有的业务流程和数据系统中。 它之所以成为最大挑战，是因为企业现有的工作流程、数据孤岛和复杂的系统架构，让AI智能体难以无缝嵌入。

图1初创公司部署AI Agent时面临的最大问题

02/ 为何50%创始人将“员工抵触AI助手”列为三大难题之一？

员工对AI助手的抵触，根源在于技术变革引发的深层信任危机与能力焦虑。当AI Agent的自主性不断提升，员工的不安感反而会加剧。麻省理工学院的研究显示：由于沟通障碍与能力信任鸿沟的存在，人类与AI的协作效果往往不尽如人意。

员工既担心过度依赖AI可能导致失误，又害怕因反复核查AI的工作成果而增加额外负担，这种两难处境使得许多人对AI持观望甚至排斥态度。

03/ 面对员工抵触AI这个问题，该如何化解？

研究表明，要解决这一难题，企业需要采取循序渐进的融合策略，最有效的方式是从"副驾驶"模式起步，将AI定位为员工的辅助工具而非替代者。通过让AI先处理那些明确规范、低风险且员工普遍不愿从事的重复性任务，既能够快速展现技术价值，又能在实际协作中逐步建立信任基础。

04/ 对于企业而言，什么样的AI智能体部署策略最有效？

调研显示，"从小处着手" 最为可行。选择低风险但中等影响、易于验证的任务快速证明价值，是明智之举。如果能自动化用户讨厌的任务，并将其定位为增强而非替代人类，效果更好。例如，自动化重复性文书工作、类似问题回复或数据整理等员工普遍反映耗时耗力的任务。

随着初期场景的成功验证和员工信任的建立，企业可以逐步将AI Agent拓展至更复杂的业务环节。这种渐进式的部署策略，既控制了转型风险，又确保了每个阶段都能产生可衡量的业务价值，为AI Agent在企业内部的全面推广构建了良性循环。

图2 初创公司主要采用的三种准确性自治配置的可视化摘要

05/ 企业应选择什么样的AI Agent，让其能够丝滑嵌入工作流中？

首先，它必须深度理解业务场景。它不应是一个通用的对话工具，而应能准确把握特定业务流程中的关键节点和决策逻辑。正如调研所示，成功的AI智能体往往专注于解决非常具体的问题，在特定上下文环境中表现出色。

其次，它需要具备强大的集成能力。这意味着智能体应该能够轻松连接企业现有的多个系统，从CRM、ERP到内部知识库，实现数据的无缝流动。调研发现，42%的企业需要接入8个以上数据源，因此智能体的兼容性和扩展性至关重要。

国内基于大模型技术的网易云商AI Agent，恰好提供了较好的案例，AI Agent真正成为了工作流程中的"隐形助手"。

北京一卡通引入网易云商客服AI Agent案例

北京一卡通负责交通智能卡的制作、发售、应用和结算业务，已累计服务近2亿用户，旗下有非常多不同类型的卡。因为各种原因，用户会有退卡退钱的咨询需求，从用户意图识别到卡类型、卡状态确认再到办理规则的告知和办理网点的查询，整个过程涉及到多轮沟通。以前通过NLP客服机器人处理，这样的一个咨询，从进线到解决，整个过程最长需要花费30分钟。

图3 过去用户与客服机器人沟通

今年4月，北京一卡通引入了网易云商的客服Agent，率先应用在解决“退卡退资、网点查询、扣费相关”这三类问题。在退卡退资场景，客服Agent意图识别准确率为98.76%，回答准确率为97.90%，转人工率仅为14.08%。

图4 用户与网易云商AI Agent沟通

网易云商AI Agent这一部署完美诠释了"渐进式智能"的理念——从三类核心问题入手建立信任，将AI定位为工作人员的得力助手，既显著提升了服务效率，又通过14.08%的低转人工率证明了用户体验的优化。这正是前文所强调的"从小处着手，将AI定位为副驾驶"策略的最佳实践。