人工智能的第三次浪潮：從數位助理到戰略合作夥伴

企業如何透過結合預測性人工智能、生成性人工智能和自主代理來轉型其團隊

‍

簡介：超越人工智慧的炒作

‍

2025 年，談論人工智能的意義遠遠超過與 ChatGPT 聊天或生成圖像。儘管市場仍將重點放在個別的人工智慧工具，但最先進的公司已經在實行專家所謂的「人工智慧第三波」：結合預測智慧、產生能力和合作生態系統中的自主代理的整合方法。

‍

根據麥肯錫 (McKinsey) 的研究，我們正在見證「數位勞動力」的出現，在這種勞動力中，人類與自動化系統共同工作，生產力可提高 50% 或更多。

‍

但是，協調多元智能團隊的真正意義是什麼？當管理的不只是人，而是分層的 AI 生態系統時，管理動態又會如何改變？

‍

企業 AI 的三個面向

1.預測智慧：分析基礎

預測性人工智能代表現代架構的基本層次。IBM 將預測智慧定義為使用統計演算法和機器學習來識別模式、預測行為和預測未來事件。

‍

操作特性：

歷史模式與趨勢分析
預測與風險管理
基於概率的決策支援
分析流程自動化

混凝土應用：

預測供應鏈中的需求
員工更替的預測分析
優化行銷活動
機械的預測性維護

2.創造性人工智能：創意倍增器

生成式智慧增加了創意層，使創新內容、代碼、設計和解決方案的生產成為可能。正如斯坦福 HAI 報告所強調的，2025 年的生成模型已具備先進的多模態能力，可整合文字、音訊和影像。

‍

操作特性：

創造原創內容
快速原型製作
大規模客製化
輔助受孕

混凝土應用：

自動產生技術文件
為廣告活動製作創意變體
協助開發軟體程式碼
客製化訓練課程

3.自主代理：智慧型協調

AI 代理代表協調層，能夠自主行動、相互協作並管理複雜的工作流程。BCG 將代理描述為「有能力、高表現的隊友，能夠為他們所支援的團隊帶來真正的價值」。

‍

操作特性：

受控制的決策自主權
代理人之間的協作
端對端工作流程管理
從情境中持續學習

混凝土應用：

客服人員自動升級
協調複雜的 DevOps 管線
自動協調遠端團隊
動態 IT 資源管理

管理的演進：從監督者到統籌者

經理的新角色

向第三次浪潮過渡需要管理角色的根本轉型。它不再僅僅是管理人員或工具，而是協調多元智能的生態系統。

普華永道指出，未來的管理者必須：

‍

訓練和監督AI 代理以自動執行例行性工作
與代理商一起迭代複雜的挑戰，例如創新和設計
協調代理團隊、指派任務及整合結果

雙重讀寫能力

Wharton 認為有必要發展一種結合以下特點的「雙重素養」：

技術能力：了解人工智能的能力與限制
情境智慧：透過人類價值、文化背景和倫理考量詮釋 AI 洞察力的能力

管理者成為「翻譯者」，將 AI 分析轉換為有意義的商業策略。

整合團隊的心理動力

‍

Nature的研究突顯了人類與人工智能合作的關鍵心理層面：

效能提升：與 AI 合作可立即提升效能
動機動力：從協作到自主工作的過渡會影響內在動機
控制感：協作模式與自主模式之間的轉換增加了操作員的控制感

實施策略架構

整合層模型

成功的公司正在實施分層的 AI 架構：

第 1 層 - 基礎分析

基本洞察力的預測系統
模式識別和趨勢分析
自動化風險評估

第 2 層 - 創意放大

內容與創意的產生
快速原型製作
可擴充的客製化功能

第 3 層 - 自主協調

工作流程協調代理
系統間協調
受控制的自主決策

治理架構

Microsoft強調負責任的 AI 架構的重要性，其中包括

透明度：可解釋和可追溯的系統
問責性：明確的人類責任
公平性：減少演算法的偏差
安全性：防止濫用

個案研究：誰是贏家

Salesforce: Agentforce 生態系統

Salesforce已透過 Agentforce 將代理功能整合至其核心平台，允許使用者建立自主的 AI 代理來管理複雜的工作流程，例如產品上市模擬和行銷活動協調。

可衡量的結果：

開發時間縮短 60
30% 重複性工作的自動化
團隊合作提升 25

製造業：預測 AI + 維護

特斯拉和西門子等公司正在使用結合「共同創造」系統：

用於需求預測的預測性人工智能
產品設計的生成性
供給鏈協調代理

成功指標與投資報酬率

整合團隊的 KPI

傳統的指標已經不夠用了。第三波團隊需要新的指標：

生產力指標：

洞察時間：資料處理速度 → 決策
自動化率：自動化流程的百分比
人類與人工智能合作指數：互動的有效性

創新指標：

概念到原型的速度
跨功能整合：團隊與代理之間的合作
適應反應時間：適應變化的速度

品質指標：

判定準確度：AI 輔助的判定準確度
錯誤減少率：減少流程中的錯誤
法規遵循自動化：將法規遵循自動化

挑戰與風險：可能出錯的地方

營運風險

過度依賴：過度依賴人工智慧而無人監督
技能差距：管理複雜系統的技能差距
整合複雜性：整合不同系統的困難

策略風險

正如Gartner 所指出的，許多 AI 實作失敗的原因在於缺乏：

業務與技術的一致性
適當的治理
有效的變革管理

風險緩解

逐步實施策略：

試點專案與業務配合良好
主動式基礎結構基準
AI 與業務團隊之間的協調
持續的員工培訓

成功團隊的剖析：致勝模式

‍

數位樂團」模式

在 AI 統籌方面表現傑出的公司，其組織架構令人聯想到交響樂團，每個「聲部」都有特定但協調的角色。

指揮」（C 級）：

首席 AI 官：AI 生態系統的策略監督
首席資料長：資料治理與資訊品質
技術長：架構與技術整合

第一方"（中層管理人員）：

AI 產品經理：將業務目標轉化為 AI 規格
資深資料科學家：設計和優化預測模型
自動化架構師：代理工作流程設計

音樂家」（作業小組）：

AI 訓練師：微調模型的專家
人類與人工智能合作者：直接與代理合作的操作者
品質保證專家：AI 輸出控制與驗證

成功的組織架構

Hub-and-Spoke Model for Multi-tationals：

中央人工智慧卓越中心
每個市場的當地專業團隊
在不同地域之間協調代理商
範例：聯合利華使用此模式協調全球行銷活動與當地客製化服務

可擴充規模的自主 Pod 模型：

自成一格的跨功能團隊
每個 pod 都結合了人類和專業代理
透過共用的 API 和儀表板進行協調
範例：Spotify 以這種方式組織音樂推薦團隊

諮詢的網狀網路模型：

專家和代理商的分散式網路
針對特定專案組成動態團隊
新興的集體智慧
範例：德勤正在為人工智能輔助的審計團隊測試這種模式

新興技能：新的專業剖析

AI Whisperer：

與不同類型的 AI 進行有效「對話」的能力
深入瞭解偏見和演算法的限制
先進的提示工程技能
薪資範圍：每位資深人員 60-120k 歐元

Ecosystem Orchestrator：

複雜 AI 架構的系統觀點
多機體工作流程設計能力
AI 轉型的變革管理技巧
薪資範圍：高階主管 80-150k 歐元

AI 道德守護者：

檢測與減少偏見的專業知識
熟悉 AI 法規（歐盟 AI 法案等）
演算法稽核功能
薪資範圍：每名資深人士 70-130k 歐元

人類-AI 翻譯器：

在人工智能洞察力與商業決策之間架起橋樑
資料驅動的說故事技巧
解釋複雜系統的能力
薪資範圍：65-125,000 歐元/資深人員

第三波工具堆疊

Orchestration Layer：

Microsoft Copilot Studio：建立自訂代理
Salesforce Agentforce：CRM 工作流程自動化
UiPath AI 中心：協調 RPA + AI 流程

生成層：

OpenAI GPT-4 API：自然語言處理
人類克勞德：複雜的推理與分析
Google Gemini：先進的多模態功能

預測層：

H2O.ai: AutoML 和預測模型
DataRobot: 自動化機器學習
AWS SageMaker：可擴充的 ML 基礎架構

治理層：

IBM Watson OpenScale：監控與公平性
Microsoft Responsible AI Dashboard：稽核與合規性
權重與偏差：實驗追蹤與 MLOps

常見問題：有關第三波人工智能的常見問題

技術問題

問：實施整合式 AI 系統的技術先決條件為何？

答：您需要穩健的資料基礎架構、記錄完整的 API、管理系統和適當的技術技能。IBM 建議先從健全的資料品質與驗證流程開始。

‍

問：如何整合不同的 AI 系統，而不會形成孤島？

答：透過模組化架構、通用 API 標準和協調平台。具有中央協調層的樞紐(hub-and-spoke)方式通常很有效。

‍

問：完整的實施需要多長時間？

答：一般而言，完整的轉型需時 12 至 24 個月，但透過有針對性的試點實施，在最初的 3 至 6 個月已可看到顯著的效益。

組織問題

‍

問：現有員工的角色如何改變？

答：角色從執行演進到策略。員工專注於創意、複雜問題的解決和 AI 系統的監督，而自動化則處理重複性的工作。

‍

問：哪些技能是最需要培養的？

A: 批判性思考、創造力、協調技巧、對 AI 系統的瞭解，以及透過人類與道德情境詮釋洞察力的能力。

‍

問：您如何管理變革阻力？

答：透過透明的溝通、循序漸進的訓練、具體效益的展示，以及員工在轉型過程中的積極參與。

策略性問題

問：哪些行業從這種方法中獲益最多？

答：資料密集的產業，例如金融、製造、醫療保健、零售和專業服務。任何擁有複雜流程和大量資料的組織都能受惠。

‍

問：您如何衡量複雜 AI 實作的 ROI？

‍

答：透過包括營運效率、決策品質、創新速度和客戶滿意度等綜合指標。投資報酬率通常會在 6-12 個月內顯現出來。

‍

問：需要考慮哪些主要風險？

答：過度依賴 AI、技能缺口、整合複雜性、安全風險和法規遵循。健全的治理是必要的。

‍

不作為的代價：公司仍然類似

數位鴻溝的現實

當我們討論協調多元智能時，仍有相當比例的公司尚未實施任何形式的結構化人工智能。根據世界經濟論壇的資料顯示，約 40% 的歐洲中小企業仍未使用基本的預測分析工具，更遑論整合式系統。

技術落後的後果

即時運作影響：

決策效率低：基於直覺而非數據的決策
反應速度：對市場變化的反應速度提高 3-5 倍
Errori umani: tasso di errore in processi manuali del 5-15% vs <1% dei sistemi automatizzati
營運成本：行政管理費用比數位競爭者高出 40-60

增加策略風險：

失去競爭力：績效差距以倍數擴大
人才保留：難以吸引習慣使用現代工具工作的人才
客戶期望：無法滿足不斷提高的服務期望
市場破壞：容易受到以更有效率的商業模式運作的人工智能原生競爭者的影響

競爭加速現象

正如BCG 所指出的，「AI-first 公司正在改寫所有組織的遊戲規則，只需要幾十個員工就能創造數百萬美元的年收入」。

‍

時間悖論：當傳統公司還在考慮是否採用人工智能時，先進公司已經在優化第三代生態系統。這不再是技術上的差距，而是策略上的鴻溝。

‍

行動的迫切性

對於仍完全採用類比技術的公司而言，順利過渡的時間已經不多了。彌補失地的時間窗口正在迅速縮小：

2025：最後一年開始不會永久落後
2026-2027:人工智能原生領導者的鞏固
2028+：市場由協調多重智慧的業者主導

這個訊息很清楚：採用 AI 不再是「如果」或「何時」的問題，而是在競爭地位變得無可挽回之前，「多快」能夠實現整合的生態系統。

‍

多重智慧協調的時代已經開始。知道如何策略性地結合預測性人工智慧、生成性人工智慧和自主代理的公司不僅能在數位轉型中生存，還能領導轉型。而那些仍停留在純粹人類模式的公司，則有可能成為舊時代的遺物。

‍

主要來源：