世界經(jīng)濟(jì)論壇最新發(fā)布的調(diào)研數(shù)據(jù)顯示，82%的企業(yè)高管計劃在未來1-3年內(nèi)采用AI代理。與此同時，Asana工作創(chuàng)新實(shí)驗(yàn)室的《2025年AI工作現(xiàn)狀》報告揭示，員工普遍預(yù)期將43%的工作量委托給AI完成。這兩組數(shù)據(jù)共同勾勒出一個清晰的趨勢：Agentic AI（代理式人工智能）正從原型階段走向規(guī)模化應(yīng)用。

然而，從試點(diǎn)到規(guī)模化部署的過程中，企業(yè)面臨著諸多挑戰(zhàn)。多數(shù)組織仍不確定如何負(fù)責(zé)任地評估、管理和治理Agentic AI。這種”戰(zhàn)略共識”與”落地困惑”之間的張力，恰恰反映了當(dāng)前企業(yè)在Agentic AI應(yīng)用上面臨的深層次挑戰(zhàn)。

回顧企業(yè)信息化的演進(jìn)歷程，不難發(fā)現(xiàn)，每一次重大技術(shù)變革都遵循著相似的規(guī)律。從ERP的普及，到云計算的全面滲透，除卻技術(shù)本身，真正的挑戰(zhàn)在于企業(yè)如何調(diào)整自身的組織架構(gòu)、業(yè)務(wù)流程和管理理念來適配新技術(shù)。如今的Agentic AI正處在這樣一個關(guān)鍵的轉(zhuǎn)折點(diǎn)。它不僅要求企業(yè)重新審視工作流程的設(shè)計邏輯，更需要從根本上重構(gòu)治理體系和決策機(jī)制。

認(rèn)知偏差：規(guī)模化落地的隱形壁壘

大量企業(yè)在部署Agentic AI時，采取的是一種“增量式”思維，試圖將AI能力簡單疊加到現(xiàn)有的工作流程中。這種做法的本質(zhì)是用傳統(tǒng)的線性流程思維去理解和應(yīng)用本質(zhì)上具有自主性和協(xié)同性的Agentic AI，結(jié)果往往是只能用AI處理一些標(biāo)準(zhǔn)化的簡單任務(wù)，一旦遇到復(fù)雜場景就需要頻繁的人工介入，不僅沒有提升效率，反而增加了復(fù)雜度。

在傳統(tǒng)的商業(yè)數(shù)據(jù)分析流程中，當(dāng)企業(yè)需要評估某個營銷活動的效果時，數(shù)據(jù)分析師需要從多個業(yè)務(wù)系統(tǒng)中導(dǎo)出數(shù)據(jù)，手動進(jìn)行數(shù)據(jù)清洗和整合，然后使用Excel或BI工具制作各類報表，最后基于這些報表撰寫分析報告并提出建議。這一過程可能需要數(shù)天時間，且高度依賴分析師的個人經(jīng)驗(yàn)和技能。

Agentic AI要實(shí)現(xiàn)的不是簡單地替代其中某個環(huán)節(jié)，而是要建立一個全新的分析范式：自動從多個數(shù)據(jù)源采集相關(guān)信息，智能識別數(shù)據(jù)質(zhì)量問題并進(jìn)行清洗，運(yùn)用先進(jìn)的統(tǒng)計模型和機(jī)器學(xué)習(xí)算法分析活動效果，自動發(fā)現(xiàn)數(shù)據(jù)中的異常模式和潛在機(jī)會，最終生成包含深度洞察和可執(zhí)行建議的完整報告。這已經(jīng)不是對原有流程的優(yōu)化，而是一種全新的數(shù)據(jù)分析工作模式。這就引出了Agentic AI規(guī)模化落地的第一個關(guān)鍵認(rèn)知：建立”AI Native思維”。

AI Native思維：從工具應(yīng)用到能力重構(gòu)

AI Native思維方式的核心是將AI能力作為業(yè)務(wù)設(shè)計的起點(diǎn)，而不是終點(diǎn)。它要求企業(yè)從業(yè)務(wù)目標(biāo)出發(fā)，重新思考工作流程應(yīng)該如何組織、人與AI之間應(yīng)該如何分工、數(shù)據(jù)和系統(tǒng)應(yīng)該如何聯(lián)動。

在這一過程中，員工的工作重心將從”如何執(zhí)行具體任務(wù)”轉(zhuǎn)向”如何設(shè)定目標(biāo)和邊界”，企業(yè)的流程設(shè)計也將從”線性”轉(zhuǎn)向”協(xié)同”。

當(dāng)Agentic AI能夠承接大量重復(fù)性、規(guī)則性的執(zhí)行任務(wù)時，管理者便可以將更多精力投入到戰(zhàn)略規(guī)劃、趨勢預(yù)判和創(chuàng)新探索上；業(yè)務(wù)人員可以跳過繁瑣的數(shù)據(jù)整理和基礎(chǔ)分析環(huán)節(jié)，直接聚焦于需要人類判斷力和創(chuàng)造力的核心決策。AI在這個過程中完成了從”輔助工具”到”協(xié)作伙伴”的角色轉(zhuǎn)變，真正成為組織效能的倍增器。

然而，當(dāng)企業(yè)真正開始基于AI Native思維重構(gòu)業(yè)務(wù)流程時，很快會遇到第二個挑戰(zhàn)：單一的Agentic模型難以支撐復(fù)雜業(yè)務(wù)場景的全流程閉環(huán)。

這是因?yàn)槠髽I(yè)的實(shí)際業(yè)務(wù)往往涉及多個維度的能力需求，既需要深度的數(shù)據(jù)分析和決策推理、精準(zhǔn)的系統(tǒng)操作和工具調(diào)用，還需要跨部門、跨環(huán)節(jié)的信息協(xié)同。單一的Agentic模型能力邊界決定了它只能覆蓋某一個特定環(huán)節(jié)，無法實(shí)現(xiàn)端到端的自主執(zhí)行。

多智能體協(xié)同：復(fù)雜場景的系統(tǒng)方案

多智能體協(xié)同架構(gòu)的核心理念是將復(fù)雜的業(yè)務(wù)流程拆解為模塊化的任務(wù)單元，由具備不同專業(yè)能力的智能體分工協(xié)作完成。這種架構(gòu)設(shè)計借鑒了人類組織中高效團(tuán)隊(duì)的運(yùn)作模式：明確每個成員的專業(yè)分工，建立清晰的協(xié)作規(guī)則，通過統(tǒng)一的協(xié)調(diào)機(jī)制確保信息流轉(zhuǎn)和任務(wù)執(zhí)行。

以商業(yè)數(shù)據(jù)分析場景為例：當(dāng)業(yè)務(wù)人員提出”分析過去三個月的用戶增長趨勢，識別關(guān)鍵驅(qū)動因素和潛在風(fēng)險”的分析需求時，系統(tǒng)可以自動啟動多智能體協(xié)同流程，不僅提升單個分析任務(wù)的執(zhí)行效率，更為企業(yè)建立了一種可擴(kuò)展、可復(fù)制的AI應(yīng)用范式。當(dāng)新的分析需求出現(xiàn)時，企業(yè)不需要從零開始設(shè)計AI解決方案，而是可以基于成熟的多智能體架構(gòu)，根據(jù)不同業(yè)務(wù)場景的需求，靈活組合新工具與智能體，形成動態(tài)協(xié)作的智能體集群。這種靈活性和可擴(kuò)展性，正是Agentic AI從試點(diǎn)走向規(guī)模化的關(guān)鍵支撐。

明略科技（2718.HK）推出的DeepMiner大模型產(chǎn)品線代表了多智能體協(xié)同架構(gòu)在企業(yè)級AI應(yīng)用中的一次系統(tǒng)性實(shí)踐，將企業(yè)在Agentic AI應(yīng)用中面臨的復(fù)雜挑戰(zhàn)轉(zhuǎn)化為可工程化實(shí)現(xiàn)的技術(shù)方案。

Foundation Agent作為整個系統(tǒng)的智能中樞，承擔(dān)著任務(wù)分配、資源調(diào)度和結(jié)果整合的職責(zé)，確保多個智能體之間的協(xié)作不會陷入混亂，每個任務(wù)都能被合理分解和有序執(zhí)行。Mano模型專注于虛擬世界的操作能力，像人類一樣理解和操作各類企業(yè)軟件系統(tǒng)，打通從AI決策到實(shí)際執(zhí)行之間的”最后一公里”。Cito模型則聚焦于行業(yè)知識的深度應(yīng)用和專業(yè)推理能力，能夠動態(tài)構(gòu)建符合特定業(yè)務(wù)場景的推理鏈路，實(shí)現(xiàn)復(fù)雜商業(yè)問題的精準(zhǔn)拆解和優(yōu)化決策。

通過Foundation Agent的統(tǒng)一調(diào)度，各個模型構(gòu)建了一個”思考-決策-執(zhí)行”的完整閉環(huán)。同時，Human-in-the-Loop的人機(jī)交互模式則意味著企業(yè)可以隨時介入任務(wù)執(zhí)行過程，調(diào)整工作方向、細(xì)化任務(wù)要求，確保AI準(zhǔn)確理解復(fù)雜需求。