FDE 企业 AI 落地与交付 · 组织采用与项目陪跑 · 2025-12-25

人工智能 | Deloitte谈企业级Agent落地:怎么规划、企业需要准备什么、及人才组织

企业级Agent如何落地?德勤报告揭示从规划到人才组织的全流程指南。

核心内容:

  1. AI智能体的定义与多智能体系统的核心优势
  2. 金融、零售等行业典型应用场景与价值分析
  3. 企业实施路径与五大关键行动建议

我们继续分享各大咨询公司对于Agent智能体的内容,之前分享的麦肯锡、BCG、和Bain的内容,可以在公众号里自行查找。

注,本次内容来自于Deloitte报告,报告的封面如下,需要原PDF报告链接的,请后台留言。

报告核心内容

什么是 AI 智能体

在大语言模型基础上,能够理解上下文、规划多步流程、调用外部工具和数据,并为达成目标而自主执行行动的“推理引擎”。 与传统只做“单轮问答”的 LLM 聊天机器人相比,智能体可以分解复杂需求、自动设计并执行工作流、利用短期和长期记忆持续学习,从而完成过去认为过于复杂的自动化任务。

多智能体系统的优势

多智能体系统通过多个分工不同的智能体协同工作,把一个复杂流程拆解为若干子任务,由各类“标准任务智能体”和“专长智能体”分别承担,再由“规划”和“质检”智能体协调与校验。 这种结构可以显著提升能力(可自动操作多种工具)、生产率(一次指令执行完整流程)、自学习能力、适应性以及结果的准确性和可解释性。

典型用例与行业影响(后续展开)

金融领域的个性化财富管理和自动化信用分析,零售中的动态定价与个性化促销,人力资源端到端智能招聘,以及面向客户和公众的高度个性化智能客服。 通过多智能体系统,企业可以在数十分钟内完成过去需要数天的研究报告编写,把人类专家从大量重复劳动中解放出来,转向审阅、判断和决策等更高价值工作。

对战略、风险与人才的启示

建议企业和政府机构从战略层面尽早将智能体纳入中长期规划,优先选择高价值、可衡量、相对可控的“低垂果实”场景试点,并同步建设数据治理、AI 治理与安全合规框架。 在人才方面,组织需要既补充构建与运维智能体系统的新岗位,又帮助各类员工学会与智能体协作,把自己当作“AI 团队的管理者”,负责下达任务、监督过程和评估结果。

技术演进与行动建议

在技术演进上,将 GenAI 成熟度划分为“辅助、增强、自动化、自治”四个阶段,认为智能体是迈向“自治智能”的关键形态,未来 12 个月内底层模型和智能体编排平台都会快速迭代。 最后给出五类行动:

  1. 系统盘点并优先排序用例
  2. 制定智能体路线图
  3. 投资基础设施和人才培养
  4. 强化数据与风险治理
  5. 以及在组织文化上鼓励试验和持续创新,尽早进入智能体驱动的下一代组织形态。

多智能体的战略规划

企业要搭建多智能体协作系统,需要先打好数据与治理基础,再从高价值、可控场景入手,逐步规划架构、团队与风险控制,而不是“一步到位搞平台”。

必要前提条件

数据与系统基础:需要较高质量的业务数据、打通关键业务系统(如CRM、ERP、工单、风控系统等)的接口,以及可被调用的API或RPA通道,否则智能体只能“纸上谈兵”。 同时要有基本的数据治理与权限体系,明确哪些数据能被哪个智能体在什么场景下访问。

技术与治理能力:至少需要统一的模型与智能体编排平台、日志与监控能力,以及AI 治理机制(包括合规、安全、隐私和输出审查规则)。 还需要明确业务负责人、技术负责人和风险合规三方的协同机制。

这个在BCG和Bain的…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/shuziyuangong/2025122537816.html