人工智能編程智能體已從試驗階段邁向主流，大多數(shù)組織已在生產(chǎn)環(huán)境中部署它們。戰(zhàn)略性地采用這些工具的組織正在加快交付進度、優(yōu)化工程資源，并讓開發(fā)人員能夠?qū)Ｗ⒂诟邇r值的架構(gòu)設(shè)計和問題解決工作。在信任智能體主導(dǎo)工作與僅讓其提供輔助的組織之間的差異表明，那些盡早投入培養(yǎng)專業(yè)知識和建立最佳實踐的組織將獲得顯著優(yōu)勢。
2、編碼智能體幾乎成為標(biāo)配，且正走向“生產(chǎn)級”
如今，超過九成的組織都在使用人工智能輔助編程。絕大多數(shù)（86%）的組織已經(jīng)不再局限于試驗階段，而是將人工智能編程智能體用于生產(chǎn)代碼的開發(fā)，其中企業(yè)的采用率領(lǐng)先，達到 91%，而中小型企業(yè)的這一比例為 83%。42% 的組織信任這些智能體在人類的監(jiān)督下主導(dǎo)開發(fā)工作，這標(biāo)志著工程團隊的結(jié)構(gòu)以及代碼的編寫方式正在發(fā)生重大轉(zhuǎn)變。
人工智能編程智能體已從試驗階段邁向主流，大多數(shù)組織已在生產(chǎn)環(huán)境中部署它們。戰(zhàn)略性地采用這些工具的組織正在加快交付進度、優(yōu)化工程資源，并讓開發(fā)人員能夠?qū)Ｗ⒂诟邇r值的架構(gòu)設(shè)計和問題解決工作。在信任智能體主導(dǎo)工作與僅讓其提供輔助的組織之間的差異表明，那些盡早投入培養(yǎng)專業(yè)知識和建立最佳實踐的組織將獲得顯著優(yōu)勢。
3、生產(chǎn)力提升不止于“寫代碼更快”，而是覆蓋研發(fā)全流程
人工智能智能體正在整個開發(fā)生命周期中提高生產(chǎn)力，而不僅僅是在代碼生成方面。各組織報告稱，在四個關(guān)鍵領(lǐng)域的時間收益幾乎相同：代碼生成（59%）、研究和文檔編制（59%）、代碼審查和測試（59%）以及規(guī)劃和構(gòu)思（58%）。
這種影響涵蓋了軟件開發(fā)的每個階段，這意味著團隊能夠同時提高工程速度和代碼質(zhì)量。在整個開發(fā)過程中集成人工智能智能體的組織可以讓這些收益疊加，將編碼速度 10%-15% 的提升轉(zhuǎn)化為整個項目時間線的顯著加快。這種影響在各項活動中的分布近乎均衡，這也表明團隊在任何應(yīng)用這些工具的地方都能發(fā)現(xiàn)價值，這使得重點不再是選擇 “正確的” 用例，而更多在于系統(tǒng)性的采用。
3、主流路徑是“混合式”：現(xiàn)成方案 + 定制能力
大多數(shù)組織（47%）采用混合方式來處理人工智能智能體，將現(xiàn)成解決方案與定制組件相結(jié)合。約五分之一（21%）的組織完全依賴預(yù)制智能體，而相近比例（20%）的組織則利用應(yīng)用程序接口、開源模型或需要編碼專業(yè)知識的開發(fā)工具包自行構(gòu)建。
混合模型的主導(dǎo)地位表明，沒有任何單一方法能滿足組織的所有需求?，F(xiàn)成的智能體可以讓團隊快速啟動，但往往缺乏特定工作流程或?qū)Ｓ邢到y(tǒng)所需的定制化功能。完全定制化的構(gòu)建能提供控制力和差異化優(yōu)勢，但需要大量的工程投入。大多數(shù)組織在中間地帶找到了價值：在適用的地方使用預(yù)制智能體，只在定制化能帶來顯著優(yōu)勢的地方投入開發(fā)資源。
1、下一波增長點：從工程與 IT 擴展到企業(yè)級基礎(chǔ)設(shè)施
未來 12 個月，各組織期望人工智能智能體的應(yīng)用能遠(yuǎn)遠(yuǎn)超出工程和信息技術(shù)職能。56% 的組織計劃優(yōu)先采用人工智能智能體進行研究和報告工作，尤其是在中型市場和企業(yè)組織中，緊隨其后的是供應(yīng)鏈優(yōu)化、產(chǎn)品開發(fā)和財務(wù)規(guī)劃。計劃應(yīng)用場景的廣度表明，人們正從將人工智能智能體視為特定部門的工具，轉(zhuǎn)向?qū)⑵湟暈槠髽I(yè)級基礎(chǔ)設(shè)施。
研究和報告工作涵蓋了組織的各個職能和層級，這使其成為一個極具影響力的起點，能在將人工智能智能體部署到更敏感或更復(fù)雜的工作流程之前，讓組織適應(yīng)它們。成功實施智能體用于研究和分析的組織能夠建立治理框架、培養(yǎng)內(nèi)部專業(yè)知識，并以各種方式展示投資回報率，從而加速在高風(fēng)險用例（如財務(wù)規(guī)劃或供應(yīng)鏈決策）中的應(yīng)用。這些早期部署的跨職能性質(zhì)意味著，相關(guān)能力會在整個企業(yè)內(nèi)增強，而不僅僅是在孤立的團隊中。
2、除編碼之外：數(shù)據(jù)分析/報告與流程自動化最“有感”
除了編碼之外，影響最大的人工智能智能體用例是數(shù)據(jù)分析和報告生成（60% 的人表示這是最具影響力的任務(wù)之一）以及內(nèi)部流程自動化（48%）。企業(yè)對數(shù)據(jù)分析和報告生成尤為看好，65% 的企業(yè)認(rèn)為這些是高影響力的應(yīng)用。
數(shù)據(jù)分析和報告工作涉及組織的各個方面 —— 財務(wù)部門需要月度報告，銷售部門需要銷售渠道分析，運營部門需要供應(yīng)鏈可見性。企業(yè)的熱情顯而易見，因為大型組織通常擁有更多數(shù)據(jù)、更復(fù)雜的報告要求，以及更多人花費時間在智能體可以加速或完全自動化的分析工作上。內(nèi)部流程自動化帶來了一種不同的價值，它減少了重復(fù)工作流程中的阻礙，這些阻礙會拖慢團隊的速度，但并不需要深厚的專業(yè)知識。組織應(yīng)該優(yōu)先考慮那些智能體既能增強專家判斷（數(shù)據(jù)分析）又能消除低價值工作（流程自動化）的用例，而不是簡單地將現(xiàn)有的手動流程數(shù)字化。
3、效率提升是第一驅(qū)動力，但企業(yè)同樣期待成本節(jié)約
各組織期望人工智能智能體在未來 12 個月內(nèi)帶來效率提升，44% 的組織預(yù)計任務(wù)完成速度會更快。企業(yè)還期望除了速度之外的另一項好處：通過部署智能體實現(xiàn)可衡量的成本節(jié)約。
效率提升與成本節(jié)約之間的差異揭示了當(dāng)今人工智能智能體的兩條截然不同的發(fā)展路徑，而這兩條路徑都為未來的發(fā)展創(chuàng)造了空間。速度提升有助于組織利用現(xiàn)有資源完成更多工作，而企業(yè)尤其能夠大規(guī)模實現(xiàn)的成本節(jié)約，則來自于減少人工投入和避免代價高昂的錯誤。隨著組織在智能體部署方面不斷成熟，這些成果將開啟全新的工作類別：全面的競爭分析、持續(xù)的文檔編制、主動的客戶拓展 —— 這些工作在以往并不具備經(jīng)濟可行性。2026 年能獲取最大價值的組織，將去追逐那些只因效率提升的累積效應(yīng)才得以存在的機遇。
4、ROI 將在多個職能同時爆發(fā)，而非只有一個主戰(zhàn)場
2026 年，軟件開發(fā)（57%）和客戶服務(wù)（55%）預(yù)計將在短期內(nèi)受到 AI 智能體的最大影響，緊隨其后的是市場營銷與銷售（46%）以及供應(yīng)鏈、物流和運營（44%）。
這四項功能具有一些關(guān)鍵特征，使其成為人工智能智能體的理想試驗場：它們涉及大量重復(fù)性工作，需要快速的迭代周期，并且擁有清晰的性能指標(biāo)，從而使投資回報率可衡量。這些功能的預(yù)期影響范圍在 44% 到 57% 之間，彼此較為接近，這表明我們看到的是多個可行的切入點，而非一個主導(dǎo)性的用例。
5、“已經(jīng)賺錢”不是少數(shù)案例：80% 的組織看到可衡量經(jīng)濟價值
大多數(shù)組織（80%）報告稱，他們在人工智能智能體方面的投資目前已經(jīng)產(chǎn)生了可衡量的經(jīng)濟影響，而且對未來的信心更高 ——88% 的組織預(yù)計回報將持續(xù)或增長。這并非推測性的投資回報率；大多數(shù)組織從其部署中看到了實實在在的商業(yè)價值。
各組織已跨越概念驗證階段，進入可衡量回報的階段，相關(guān)討論也從 “我們是否應(yīng)該投資？” 轉(zhuǎn)變?yōu)?“我們?nèi)绾螖U大有效舉措的規(guī)模？” 這些研究結(jié)果表明，隨著組織將智能體應(yīng)用于更多用例、改進其實施方式并積累機構(gòu)知識，回報會不斷增加。先行者正在構(gòu)建專業(yè)知識和基礎(chǔ)設(shè)施，這將使他們在技術(shù)持續(xù)成熟的過程中獲取不成比例的價值。
2026 年推動人工智能智能體的采用。
1、企業(yè)更樂觀，意味著“規(guī)?；Y(jié)果”正在出現(xiàn)
所有領(lǐng)域的組織都期望人工智能智能體在 2026 年能帶來顯著的業(yè)務(wù)影響，其中企業(yè)對這項技術(shù)的潛力表現(xiàn)出尤為強烈的信心。
企業(yè)的樂觀態(tài)度是一個重要信號，因為大型組織通常行動更為謹(jǐn)慎 —— 它們的評估周期更長，治理要求更嚴(yán)格，對價值證明的標(biāo)準(zhǔn)也更高。當(dāng)企業(yè)表達出強烈的信心時，這表明它們看到的是規(guī)?；某晒?，而不僅僅是試點項目中的成效。它們的積極態(tài)度也往往會影響更廣泛的市場：企業(yè)的采用會推動供應(yīng)商在安全、合規(guī)和集成能力方面加大投入，而這些最終會使各種規(guī)模的組織都從中受益。
2、最大障礙不是模型，而是數(shù)據(jù)與系統(tǒng)集成，以及人的改變
整合和數(shù)據(jù)質(zhì)量挑戰(zhàn)是各類規(guī)模組織在實施過程中面臨的首要障礙。近一半（46%）的組織認(rèn)為與現(xiàn)有系統(tǒng)的整合是主要障礙，42% 的組織指出數(shù)據(jù)訪問和質(zhì)量問題，43% 的組織提到實施成本。中小型企業(yè)面臨一個獨特的挑戰(zhàn)：它們在采用的人力層面遇到困難的可能性明顯更高，包括員工抵觸和培訓(xùn)需求（51%，而大型企業(yè)的這一比例較低）。
這些障礙是可預(yù)測且可解決的，但根據(jù)組織的規(guī)模和成熟度，需要采取不同的策略。企業(yè)需要優(yōu)先進行技術(shù)整合和數(shù)據(jù)基礎(chǔ)設(shè)施方面的前期工作 —— 將人工智能部署視為一個系統(tǒng)層面的挑戰(zhàn)，而不僅僅是一次軟件采購。同時處理技術(shù)層面和變革管理層面問題的各領(lǐng)域組織，將比那些只關(guān)注技術(shù)的組織更快地實現(xiàn)價值。
3、智能體正在把人從執(zhí)行中解放出來，把時間推向更高價值區(qū)
智能體正在改變員工的時間分配方式 —— 更多地關(guān)注戰(zhàn)略工作（66%）、人際關(guān)系建設(shè)（60%）和技能發(fā)展（70%），而非日常執(zhí)行。
這解決了關(guān)于人工智能采用的核心問題之一：它主要是取代工作還是提升工作。數(shù)據(jù)表明，各組織看到的是后者 —— 智能體負(fù)責(zé)執(zhí)行，而人類則專注于判斷、人際關(guān)系和學(xué)習(xí)。這種轉(zhuǎn)變的影響超出了生產(chǎn)力指標(biāo)的范疇：那些將更多時間用于戰(zhàn)略制定和技能培養(yǎng)的團隊，會隨著時間的推移變得更有價值，而不是相反。組織在部署智能體時應(yīng)牢記這一目標(biāo)，不僅要衡量任務(wù)完成率，還要關(guān)注人們是否在處理越來越具高影響力的問題。那些利用智能體培養(yǎng)員工同時提高效率的公司，將比那些只專注于降低成本的公司建立起可持續(xù)的優(yōu)勢。
4、復(fù)雜化是必然：81% 計劃在 2026 年做更復(fù)雜的智能體
大多數(shù)組織（81%）計劃在 2026 年從簡單的任務(wù)自動化轉(zhuǎn)向更復(fù)雜的人工智能項目，其中企業(yè)在這一轉(zhuǎn)變中處于領(lǐng)先地位，占比 87%，而中小企業(yè)為 78%。至于 “更復(fù)雜” 具體意味著什么：39% 的組織期望開發(fā)能夠處理多步驟流程的智能體，29% 的組織計劃部署智能體用于跨多個團隊或部門的跨職能項目。
各組織正準(zhǔn)備利用人工智能解決更棘手的問題 —— 這類工作需要跨系統(tǒng)、跨職能以及跨決策點進行協(xié)調(diào)。那些現(xiàn)在就能確定自身能發(fā)揮最大作用的復(fù)雜用例的公司，能夠建立相關(guān)能力和機構(gòu)知識，而其他公司仍在專注于基礎(chǔ)自動化。比如，能為銷售策略提供信息的客戶智能、能連接法務(wù)與采購部門的合同生命周期管理，或是能綜合財務(wù)、運營和產(chǎn)品團隊輸入信息的戰(zhàn)略規(guī)劃智能體。
值得注意的是，Anthropic 的 2025 年經(jīng)濟指數(shù)分析了超過 350 萬條匿名的 Claude 對話，以了解人工智能在各行業(yè)的應(yīng)用情況。研究結(jié)果揭示了一個明顯的模式：企業(yè)正從試驗階段邁向系統(tǒng)性部署，其使用集中在人工智能能力最強且組織障礙最低的領(lǐng)域。
第一，企業(yè)正在進行委派，而非協(xié)作。
77% 的商業(yè) API 使用呈現(xiàn)出自動化模式，這意味著企業(yè)正將完整任務(wù)交給人工智能處理，而非將其用作協(xié)作助手。這一比例顯著高于消費者使用率，后者徘徊在 50% 左右。企業(yè)正將人工智能作為主力軍嵌入工作流程，而非必然作為思想伙伴。這與我們的調(diào)查結(jié)果一致：97% 的受訪者期望在未來 12 個月內(nèi)，其智能體部署能帶來更高的效率提升。
第二，能力比成本更重要。
最昂貴的任務(wù)使用率最高。企業(yè)正將資源部署在模型能力較強以及自動化能創(chuàng)造實際經(jīng)濟價值的領(lǐng)域。對于技術(shù)決策者而言，這意味著投資回報率的計算應(yīng)聚焦于業(yè)務(wù)成果，而非令牌成本。復(fù)雜的代碼生成、多步驟的研究綜合以及詳細(xì)的文檔分析都需要更多的計算資源，但如果做得好，就能帶來巨大的回報。我們與 Material 公司聯(lián)合開展的調(diào)查也得出了類似的結(jié)論：96% 的受訪者對人工智能智能體給其公司帶來的業(yè)務(wù)影響持樂觀態(tài)度。
第三，上下文才是真正的瓶頸
復(fù)雜任務(wù)需要多得多的上下文才能很好地執(zhí)行。不同任務(wù)之間存在一種穩(wěn)定的關(guān)系：輸入上下文長度每增加 1%，輸出質(zhì)量和長度就會增加 0.38%。對于一些組織來說，昂貴的數(shù)據(jù)現(xiàn)代化以及為呈現(xiàn)上下文信息所做的投資可能是人工智能采用的主要瓶頸。數(shù)據(jù)分散或孤島化的公司將難以解鎖復(fù)雜的人工智能用例。
把這些數(shù)據(jù)和趨勢放在產(chǎn)業(yè)視角里看，2026 年很可能是智能體從“可用”邁向“規(guī)?；a(chǎn)力”的分水嶺。企業(yè)真正競爭的，不只是選了哪家模型，而是誰更早把智能體接入系統(tǒng)、打通數(shù)據(jù)、重構(gòu)流程，并完成組織層面的變革管理，也就是把 AI 變成穩(wěn)定可復(fù)制的產(chǎn)能，而不是少數(shù)團隊的“效率奇技”。當(dāng) 80% 的受訪者已經(jīng)看到可衡量的經(jīng)濟回報，智能體的故事也就不再是概念與想象，而是會落到更具體的產(chǎn)業(yè)結(jié)果上：軟件交付周期縮短、客服與運營成本結(jié)構(gòu)改變、數(shù)據(jù)分析與報表生產(chǎn)方式重寫，以及一批圍繞安全、合規(guī)、集成與治理的新供應(yīng)鏈機會加速成形。
2026，AI 或?qū)⒊蔀檎嬲纳a(chǎn)力，而智能體，是企業(yè)把這種生產(chǎn)力裝進生產(chǎn)系統(tǒng)的那把扳手。
快報
根據(jù)《網(wǎng)絡(luò)安全法》實名制要求，請綁定手機號后發(fā)表評論