2025年被业内称为“智能体元年”，AI智能体逐渐从概念验证走向规模化部署。越来越多的企业开始引入这一前沿技术，期望借此提升效率、降低成本。然而在实际落地过程中，不少企业在投入资源后却未能达成预期目标，难以让智能体产生真正的业务价值。

近日，麦肯锡发布了题为《一年的Agentic AI实践：来自一线工作者的六条经验》的报告。该报告基于对50 余个企业级AI智能体项目的深入研究，分析了企业在推进AI智能体战略时常见的认知误区和实践陷阱，提炼出六条能帮企业 “避坑提效” 的核心经验，网新恒天结合公司AI应用经验与行业积累对这六条经验作出解读。

01、工作流重构是核心，而非智能体本身

误区：过于关注智能体本身或智能体化工具，却忽略了其是否真正适配现有工作流程。

洞察：将重心从智能体本身转向工作流的系统性重构。成功实践表明，企业需要先梳理清楚工作流程中的人员、步骤与技术各环节，找准核心痛点，再让智能体在合适的环节发挥作用。理解智能体在每个步骤中如何提供价值，比选择最先进的工具更重要。

02、智能体并非万能，精准匹配场景是关键

误区：把智能体当作万能解决方案，在所有场景中强行推广。

洞察：在采用智能体方案之前，应仔细评估任务需求，明确流程的标准化程度、需要应对的差异范围以及智能体最适合承担的部分。对于标准化程度高、变化少的任务，传统自动化或规则引擎往往更经济可靠；而面对多变化、需要多步判断和处理复杂信息的任务，才是智能体发挥价值的领域。

03、杜绝"AI垃圾"，长期培养和训练智能体

误区：将智能体视为买来即用的软件，部署后放任不管，结果实际表现不佳。

洞察：智能体是需要长期培养的“数字员工”。企业应为其制定明确的职责描述，再结合具体专业知识创建评估指标，并建立持续的反馈和改进机制。通过长期性能测试与评估修正，企业可持续提升智能体的输出质量。

04、流程中嵌入监控机制，每一步都可追踪

误区：在智能体部署规模扩大后，仍然仅监控最终输出结果，导致出错时难以快速定位问题根源。

洞察：仅监控最终结果是远远不够的，智能体的性能应在工作流的每个步骤都得到验证。通过在流程中内置监控与评估机制，企业能够追溯智能体的每一步行动，包括调用了哪些工具、使用了哪些数据，从而及早发现错误、优化逻辑，并持续提升其性能。

05、智能体要 “可复用”，避免重复造轮子

误区：为每一个新任务都打造一个一次性的智能体。

洞察：关键在于找出任务中的共性操作，开发出能够跨工作流复用的智能体或组件。例如将数据摄入、提取、搜索和分析这些通用功能做成可复用的组件，下次有新任务时可以快速组合这些组件以构建新方案，这种思路能够显著降低开发成本。

06、重新定义人机协作，员工依然不可或缺

误区：将人与智能体的关系简单理解为替代关系，忽略了互补协作的重要性。

洞察：智能体的价值在于增强人类的能力，而不是消除人类的角色。未来工作的核心将是“人类+智能体”的协作模式，员工仍将是劳动力构成中的重要组成部分。智能体可以接管重复性、数据密集型或耗时的工作，让人类能够专注于监督、判断、确保合规和处理边缘案例等高层级工作。

网新恒天：智能体落地的思考与实践

在AI发展浪潮中，网新恒天始终致力于推动智能体在金融、能源、企业数字化等领域的深度应用，坚持以“业务驱动、流程优先、人机协同”为落地理念，推动前沿AI智能体与业务场景深度融合。

例如，在为某大型金融投资公司构建企业级智能体时，网新恒天将智能体与客户内部自动化办公系统（OA）无缝集成，通过直连企业知识库与数据源，构建持续学习的智能知识体系，该智能体可自主为员工提供规章制度、文档报告查询问答等智能服务，显著降低了员工在信息查询与跨系统操作中的时间成本与操作复杂度。

在赋能某世界500强餐饮集团的项目中，网新恒天打造了一款深度理解业务、支持实时交互的“AI数字教练”。它基于客户真实特征对企业员工进行灵活对练和追问，实时提供沟通技巧、思路提示和标准应答示范等针对性建议，并标注具体改进要点，展现出了在复杂、个性化任务中的显著优势。

未来，网新恒天将继续与客户携手推进智能体在复杂业务场景中的价值释放与迭代升级，实现可持续的数智化转型与竞争力提升。