作者：李雪松 和君咨询合伙人
01
两个发布，一个共识
2026年世界人工智能大会上，两则发布值得放在一起看。
7月19日，蚂蚁数科发布“商业智能体超级工厂”Agentar 2.0平台，首批预置近200个岗位级数字专家模板。蚂蚁数科CTO闫莺在发布会上说了一段大实话。她说AI落地卡在四件事上：模型很强落不了地，工具很多接不上最后一公里，企业要的不是零件是整车，智能体多了没人定规矩。
7月20日，阿里巴巴资深技术专家谢吉宝在大会上提出了一个概念——“Agent工位”。他认为绝大多数Agent至今没有真正进入企业核心业务流，根本原因不是技术不够强，而是企业没有为Agent准备好“工位”。他把“Agent工位”拆解为五个层次：身份、权限、工具、记忆、责任。
一家做平台，一家做应用。但两家指向了同一个判断：AI进入组织的瓶颈，已经从“模型能力”转向了“组织兼容性”。
这不是一个技术判断，这是一个管理判断。
要理解这个判断的分量，得先看看企业正在面临的真实困境。
02
一个被数据戳穿的幻觉
据麦肯锡报告，88%的企业已经部署了生成式AI，但只有5%到7%获得了显著的财务回报。
投入了，部署了，用了，但不赚钱。
问题出在哪里？不是模型不够好。过去18个月，主流大模型的能力迭代速度远超预期。也不是算力不够多。各云厂商的基础设施投入已经足够支撑大规模推理。更不是人才不够。市场上AI工程师的供给正在快速跟上。
真正的问题是：企业把AI部署进了组织，却没有让AI融入组织。
大多数企业目前的做法，是给员工配一个AI助手——帮忙写邮件、整理会议纪要、快速查资料。员工个人效率确实提升了，但回头一看，整个组织的运转方式没有丝毫改变。业务流程还是那个流程，决策链条还是那条链条，协作方式还是那种方式。
蚂蚁CEO韩歆毅说了一句话，点中了要害：“只做浅层的个体工具提效，有时不仅无法解决组织问题，反而可能被现有组织流程的惯性所裹挟。”
什么意思？如果你的流程本身就有问题，信息传递靠层层转达，决策靠逐级审批，每个环节各管一段，这时候在每个环节上配一个AI，结果是什么？有问题的流程，被加速了。效率确实提升了，但效率提升的方向是错的。
这就是88%的部署率和7%的回报率之间的巨大鸿沟。这个鸿沟的名字，叫“组织惯性”。
问题已经清晰了。接下来的问题是：怎么填上这个鸿沟？
03
“工位”概念的管理学含义
谢吉宝提出的“Agent工位”，真正的价值不在于它列出了五个层次，而在于它把AI纳入了企业已有的管理框架。
仔细看这五个层次——身份、权限、工具、记忆、责任。
身份，对应的是组织架构中的岗位归属。你是谁、归谁管、向谁汇报。这是任何一个组织成员进入组织的第一步。
权限，对应的是企业信息安全体系。你能访问什么数据、不能碰什么系统、能执行什么操作。没有权限设定，任何成员都无法安全地开展工作。
工具，对应的是生产工具配置。你能调用什么系统、使用什么软件、操作什么设备。这是履行职责的物质基础。
记忆，对应的是知识管理体系。你能记住什么信息、能学习什么知识、信息在你这里怎么存储和流转。
责任，对应的是审计和追责机制。你的操作可追溯吗？你做的决策有记录吗？出了问题谁负责？
这五个层次，每一项都对应着一个既有的管理模块。企业已经在用这套框架管理人，现在只需要用同一套框架管理Agent。
这恰恰是“Agent工位”这个概念最精妙的地方——它不是在要求企业另建一套管理体系，而是让AI进入现有的管理体系。
不需要另起炉灶，只需要填坑补位。
但问题远不止于此。一个Agent可以按照这套框架管理，十个Agent也可以。但当Agent的数量从个位数变成百位数，当它们开始相互协作、相互调用、相互触发动作，问题就跃升到了另一个层面。
04
多智能体时代的管理挑战
闫莺说的“智能体多了没人定规矩”，指向的正是这个更远的问题。
当一个组织里有几十个、上百个Agent同时运行在核心业务流程中，它们之间需要传递信息、需要互相调用、需要协同完成复杂任务。这时候出现的问题是：
谁来决定A Agent可以调用B Agent？当两个Agent的判断发生冲突，以谁为准？一个Agent做出的决策，另一个Agent是否需要复核？如果多个Agent协作完成的任务出了问题，责任如何追溯和分配？
这些问题的本质，是组织治理问题，而不是技术架构问题。
技术可以解决Agent之间的通信协议、数据格式、调用接口。但技术无法回答“谁有权调用谁”——这需要定义角色和层级。技术也无法回答“冲突时以谁为准”——这需要建立规则和优先级。技术更无法回答“出了问题算谁的”——这需要明确责任和追责机制。
这些都是管理问题。而且这些问题在“人+人”的组织中早已存在。企业已经有了一整套规章制度来处理人与人之间的协作、冲突、责任。现在需要的是把这套框架延伸到“人+Agent”、甚至“Agent+Agent”的协作场景中。
换句话说，企业需要一份数字化时代的组织管理章程。这份章程要回答一个根本问题：当Agent成为组织的正式成员，组织如何治理？
05
对管理者的三点启示
基于以上分析，对于正在或准备部署AI的企业管理者，有三点值得注意。
第一，部署AI之前，先梳理流程。
如果你的核心业务流程本身是断裂的、冗余的、不闭环的，AI只会让错误的事情发生得更快。先问自己一个问题：我的核心业务流程，经得起AI的放大吗？如果流程本身有问题，先改流程，再上AI。这个顺序不能颠倒。
第二，用管理人的框架来管理AI。
不要为AI另建一套管理体系。企业已有的组织架构、权限体系、知识管理、审计流程，完全可以迁移到AI的管理上。给Agent办个“入职”，把它纳入现有的管理框架里。这不是偷懒，这是让AI真正融入组织的唯一路径。
第三，提前建立多智能体的治理规则。
如果今天只有一个Agent在试点，可以暂时用“特事特办”的方式处理。但当Agent数量开始增长，当它们开始进入核心业务流、开始相互协作，治理问题会集中爆发。与其到时候手忙脚乱，不如现在就建立规则：Agent之间的调用规则是什么、冲突仲裁机制是什么、责任追溯框架是什么。
结
语
谢吉宝提出了“Agent工位”，蚂蚁发布了“智能体超级工厂”。一个告诉企业AI需要“入职”，一个给企业提供现成的“员工”。两件事叠加在一起，释放的信号已经很明确了：
AI进入企业，正在从“员工自带的效率工具”演变为“组织正式编制的一员”。
这不是一个技术升级，这是一个管理变革。它考验的不是企业的算力储备和算法能力，而是企业的组织兼容性和管理成熟度。
那些能够把AI当作“新员工”来管理、把它纳入现有管理框架、为多智能体协作提前建立治理规则的企业，会在这场变革中建立起真正的竞争优势。
而那些还在把AI当作“高级版Office”来用的企业，很快就会发现：工具越强，组织越乱。
模型、算力带来的领先正在贬值，但把AI变成组织生产力的能力，正在成为新的稀缺品。