ZDNET核心要点你的下一个工作团队将由人类和智能体组成。对AI工具进行试验和基准测试以评估其价值。对解决新挑战的新型智能体解决方案保持开放态度。职场新趋势人类与智能体共舞在职场中担心身边的同事是否在工作中尽职尽责已不再是你唯一的顾虑。对于那些希望达成紧迫目标并取得出色成果的人来说团队很可能会包含人类同事和智能体伙伴。我们正迈入自主商业时代技术与数据的全新组合意味着如今我们习以为常的一些角色从基础运营任务到决策职责都将由能够自主发现、协商和交易的智能体来承担。企业投资智能体增长迅猛科技分析师Gartner指出企业对智能体的投资正在增加AI智能体软件支出预计将从2025年的864亿美元增长到2027年的2065亿美元和3763亿美元。一些公司已经在运营活动中使用智能体。在2026年旧金山举行的Snowflake峰会上三位数字领域的领导者分享了他们的组织如何将智能体投入实际应用。小组讨论结束后ZDNET询问参与者与智能体伙伴成功合作的经验他们认为有三个关键方面对智能体进行基准测试、对新想法保持开放态度以及聚焦正确的领域。对工具进行基准测试体育公司Fanatics的数据副总裁Madeleine Want认为要让智能体和人类同事都取得出色成果并非易事因此她所在的组织会在数据从业者群体中跟踪和评估相关效益。她表示Fanatics积极且较早地将AI应用于数据领域会对工具进行测试、比较功能、开展预览并建立设计合作关系。“我们会对工具的使用方式、用于何种任务、节省了多少时间以及如何利用节省的时间等问题进行自我评估。”她说道。管理着Fanatics博彩和游戏部门的数据工程、数据科学和机器学习工作的Want告诉ZDNET基准测试显示智能体的参与节省了人类的时间。“每个业务分析师都会说‘我希望能做更多战略性工作但却被日常报告工作所困扰’。我们发现日常报告任务往往最适合通过AI实现自动化员工因此能腾出时间将其重新投入到更具人性化和战略性的工作中这正是我们所期望的理想结果。”Want表示成功应用智能体AI的关键在于拥有更好的工具这样就能完成必要的工作并专注于自己最擅长的有趣领域。不过她也认识到虽然某些工具目前可能有效但智能体AI仍在不断发展。她所在公司积极采用和测试工具的做法意味着专业人员可能会经常接触到新服务。Want称公司对待智能体的理念是随着新的AI工作方式不断涌现管理者和专业人员之间需要反复沟通。“要做好预期管理这不是传统的企业技术多年转型项目。”她建议其他专业人员保持探索和变革的心态。“我们采用的不是经过充分测试、成熟稳定的技术这些技术一旦推出就不会再撤回。我们现在处于实验阶段所以要尽早采用并尝试新事物但也要保持灵活因为我们需要保持敏捷性。”对新想法保持开放态度可穿戴技术公司Whoop的分析副总裁Matt Luizzi也是一位数字领域的领导者。早在智能体AI推出之前他就希望帮助团队更好地利用时间。“我试图了解团队成员的时间都花在哪里他们表示有50%到60%的时间都在回答公司内部的各种随机问题比如‘昨天的销售额是多少不同地区有何差异为什么网站访问量增加了’这些问题很容易分散注意力大家都希望摆脱它们而这恰好是智能体目前擅长的领域。”Luizzi告诉ZDNET引入智能体后人类同事可以有更多时间与专业伙伴一起开展能创造附加值的战略工作。“我们已经看到这项技术对营收产生了实际影响人们能够主动发现问题借助AI找出根源快速解决问题并采取行动避免事态恶化。”Luizzi认为智能体AI的发展将持续加速尤其是在容易实现自动化的任务方面。“我们将不断看到新的进展为人类的工作时间利用带来新的能力但我们也需要不断突破界限。”为此Luizzi指出不太可能有某一个员工掌握智能体成功应用的关键。好的想法可能来自任何地方所有专业人员都要做好发挥作用的准备。“有些组织采用自下而上的方式初级员工积极采用新技术、承担风险并争取时间而有些则是自上而下像我们这样的领导者参加会议了解其他客户的做法并将其推广到整个组织识别并匹配能够解决团队问题的解决方案。”寻找新问题来解决软件公司Synopsys的首席信息官Sriram Sitaraman负责管理大量的工程和企业数据。他发现在这两个领域智能体都展现出了提升人类能力的潜力。“过去根据当前优先级确定下一步最佳行动通常是一群人之间的讨论。而现在借助AI我们真的可以做出基于数据的、有利可图的决策。”Sitaraman表示公司已经认识到AI智能体有潜力承担初级员工的任务如快速查询、创建图表和获取洞察。他还以决定为应用程序构建哪些新功能为例员工可以与智能体伙伴合作筛选想法提出具有商业可行性的建议。“不需要一大群人参与讨论只需一小部分人分析大量数据即可。现在许多协调数据源以进行决策的工作都聚焦于人类如何利用AI目的是将大量数据精简为可执行的下一步行动。”Sitaraman认为智能体AI为人类员工节省了时间。例如通过承担一级数据分类和筛选任务员工可以转向更高级别的、创造价值的工作。“这是一个层级化的过程模型会不断将任务交给AI随着模型的改进AI能够处理的任务复杂度也会增加。所以我预计在六个月后AI能够解决不同类型的问题而不是和现在一样并且这种情况会持续发展。”