公司上了Agent，裁掉90%員工

上周，我給 一家 企業實施AI Agent 應用 時，對方的項目總監 悄悄問我：“K 總，我聽說 這個Agent上線后，會裁掉90%的員工，是真的嗎？” 聽到這一類 問題，我一點也不驚訝，“AI焦慮”已經成為一種普遍社會現象。但要想 全面深入地回答這個問題，就會涉及到 Agent 的發展階段、核心組成、類型劃分、 以及當前面臨的種種不足等等， 不是一兩句話就能說得清，下面 通過這篇文章，好好剖析一下這個問題 。

01

Agent發展的5個階段

AI Agent不是突然冒出來的成熟產物，而是隨著底層大模型推理能力的不斷增強，逐步走向完善的。整體上，我們可以將它的發展劃分為五個階段（L1–L5）：

L1：簡單步驟跟隨

在這個初級階段，Agent的能力僅限于按照用戶或開發者預先設定的確切指令，一步步完成任務。比如，你可以讓它“打開郵件，閱讀第一封未讀郵件”，它更像一個智能化的執行器，但缺乏自主判斷和更復雜的決策能力。

L2：確定性任務自動化

進階到L2，Agent能夠基于對確定性任務的描述，在預設的動作空間內自動完成一系列步驟。它不再需要每一步都精確指令，而是能在給定規則下完成相對封閉、可預測的流程，比如你可以讓它“查詢今天上海的天氣”。在這一過程中，Agent 會自動調用并整合多個數據源。

L3：戰略任務自動化

這是當前許多先進Agent正在努力達到的階段。在L3，Agent可以根據用戶指定的高層次任務目標，自主調用各種資源和工具，規劃并執行步驟，并能根據中間反饋，迭代優化計劃。

L4：記憶和上下文感知

在這個階段，Agent將具備更深層次的智能，能夠感知用戶在長期交互中的上下文，理解用戶過去的記憶，并有時主動提供個性化的服務。它能記住你的偏好、習慣，甚至能預測你的需求，比如“告訴掃地機器人今晚打掃房間”，它會根據你的日常習慣，避開你常用的區域，或根據天氣狀況推薦何時清洗窗戶。

L5：數字人格

這是Agent發展的終極目標，智能體將能代表用戶完成更復雜的事務，甚至能與他人進行交互，并確保其安全和可靠性。這個時候，它可能不僅僅是你的助理，更是你在數字世界中的一個分身，能夠獨立思考、決策，并保護你的利益。

目前，隨著推理大模型的進一步成熟，以及Manus、百度文心智能體平臺、扣子空間、通義千問智能體等通用Agent的出現，企業AI Agent的應用正加速從L2向L3階段邁進。它們在執行確定性流程和一定程度的自主規劃方面，已經表現出色；但在真正擁有長期記憶、上下文理解和主動服務方面，仍有很長的路要走。

02

Agent關鍵組件和架構

一個AI Agent之所以能夠“智能”地運作，離不開其背后精密的組件協同和邏輯架構。

1、5個關鍵組件

就像人類的思考和行動一樣，Agent也有一套完整的認知與執行系統：

感知：它是智能體與外部環境交互的基礎接口，負責收集和解析環境數據，包括文本、圖像和聲音等。

規劃：作為智能體的決策中心，它負責將復雜的總目標分解成可執行的步驟，并制定實現策略。這里不得不提的是“思維鏈”，這種提示技術已成為提高大模型在復雜任務表現上的標準方法，它讓Agent能像人類一樣進行逐步推理。

記憶：存儲著歷史交互、知識積累和臨時任務數據，是Agent實現上下文感知和長期學習的基礎。

工具使用：通過調用外部資源，如API、代碼庫、RPA或應用程序，來擴展自身能力，是Agent在企業環境中實現價值的關鍵。

行動：是感知、規劃、記憶和工具使用的最終成果，也是智能體執行任務和與環境交互的具體表現。

2、架構邏輯圖

把這些組件連接起來，Agent 的邏輯架構也就一目了然。整條信息流清晰呈現了其從輸入、處理到輸出的完整路徑：

來源@頓悟山丘智庫

用戶輸入層： Agent的起點，接收用戶以圖文、語音、視頻等多種形式提供的指令或信息。

接入網關層：負責統一接口管理，進行身份認證、協議轉換和路由，確保輸入信息能夠安全、高效地進入Agent的核心處理區。

意圖識別層：對輸入的原始數據進行預處理、意圖分類和實體提取，將非結構化的用戶指令轉化為Agent能夠理解的結構化信息。

推理決策層：這是Agent的核心大腦，負責任務的規劃、策略的篩選、大語言模型的推理和最終決策的驗證。它決定了Agent下一步“做什么”和“怎么做”。

工具執行層：根據決策層的指令，調用并執行相應的工具，如注冊、MCP、API、代碼執行等，并處理工具返回的結果。

結果生成層：將工具執行后的結果或推理決策的產出，進行內容組裝、格式化，并進行質量優化，使其符合用戶閱讀和理解的習慣。

用戶輸出層：將處理完成并格式化的結果呈現給用戶。

除此之外，還有三個重要的支撐模塊，即管理支持、記憶系統以及知識庫，它們共同構建了Agent的基本架構。

03

企業級Agent的兩種類型

在企業應用層面，Agent可以根據其主要解決的問題和工作方式，大致分為兩大類：

1、流程自動化型

這類Agent的核心在于“自動化”，它們依據企業內已經固定的工作流和明確的規則，執行重復性、規范化的任務。這類Agent的優勢在于提高效率、降低錯誤率、節省人力成本。

比如，財務部門的發票報銷流程、企業內部的業務審批流、員工的學習考試系統等，都是流程自動化型Agent的典型應用場景。它們能夠精準地遵循既定步驟，無需人工干預，極大地提升了日常運營的效率。目前，在金融、保險、制造等傳統行業，流程自動化型Agent占據了企業應用的主導地位。

2、超級Agent型

與流程自動化型Agent不同，超級智能體型Agent更側重于探索和目標達成。它們被賦予一個高層次的目標，然后由智能體自主規劃、探索信息、調用工具，并迭代優化路徑以實現該目標。這類Agent更強調靈活性和解決復雜、非結構化問題的能力。

常見的應用場景包括生成市場研報、進行復雜的數據分析、甚至輔助軟件開發等，都屬于超級智能體型Agent的應用范疇。它們需要更強的推理能力、更廣闊的知識面以及更靈活的工具調用能力。盡管目前在企業中的應用尚處于輔助地位，但其發展潛力巨大，代表著Agent更高級的智能形態。

04

當前Agent的不足

Agent固然強大，但并非萬能，當前仍存在一些顯著的不足，主要包括以下三個方面：

1、錯誤復合效應

大模型在執行任務時，準確率永遠不可能達到100%。哪怕單次調用的準確率高達95%，（已屬相當不錯的水平），但當一個復雜任務需要Agent連續調用20次時，最終成功率卻會驟降至約36%（0.95的20次方）。這也意味著，在真實而復雜的業務場景中，Agent想要“一步到位”全自動完成任務的概率，要遠比想象中低得多。

而真正可行的做法，是放棄對“完美全自動”的幻想，把任務拆解成一系列更小的步驟，逐步執行、逐步驗證。這樣一來，即便某個環節出錯，也能單獨回溯或重試，不會牽連整個流程，從而顯著提升系統的穩定性和任務的整體成功率。

2、token成本指數級增長

當Agent與用戶或系統進行多輪交互時，為了保證上下文連貫，往往需要在每次對話中攜帶大量歷史內容。隨著輪次增加，所需的Token數量會急劇上升，API調用成本也隨之飆升，最終成為企業部署Agent的一大負擔。

更高效的做法，是盡量采用無狀態或弱狀態的會話設計，減少不必要的上下文傳遞。在多輪對話中，只保留關鍵變量或必要信息，并通過記憶系統進行優化，而不是把所有歷史記錄一股腦塞給大模型。這樣不僅能大幅降低Token消耗，也能讓系統運行得更輕、更穩。

3、工具生態不足

不少人以為，Agent的核心在于AI本身，但現實中，真正由AI推理完成的部分往往不到30%，其余70%的工作都落在調用、集成和調試瀏覽器、搜索引擎、編程接口、RPA（機器人流程自動化）等外部工具上。由于當前工具生態還不夠成熟，很多時候Agent會陷入反復調試工具的困境，效率低下。

解決這一問題，首先要明確Agent可用的工具范圍和使用規范，讓它清楚“能用什么、該怎么用”。同時，還要設計完善的兜底機制，一旦工具調用失敗或效果不佳，Agent能及時切換到備用方案，避免陷入無休止的重試循環。只有這樣，Agent的穩定性和實用性才能真正提升。

05

企業Agent應用場景舉例：價值重塑，

而非簡單替代

Agent到底是否會導致90%的裁員？最終還是要看它在企業中能“做什么”和“替代什么”。下面列舉兩個真實使用場景，來具體說明這一點。

1. 語核科技AI數字員工：從“周”到“小時”的效率杠桿

語核科技是一家專注于企業級AI應用的科技公司，其核心是打造流程自動化型智能體，在業務層面精確瞄準了企業中“非標準化文檔解析”和“海量物料匹配”這一業務瓶頸。為它的一個重工客戶，成功解決了“非標維修清單和上萬個物料SKU匹配”的頭疼問題。使得這項工作的時間成本從原來的“一周以上”，大大壓縮為“半小時以內”，同時還保持了高達90%以上的端到端準確率。為客戶解決了發展中的一個耗時低效的業務阻塞點，釋放出了大量的人力、物力和時間投入。

2. 遞航科技AI招聘官：將HR從“海量簡歷”中拯救出來

遞航科技是一家專注于AI招聘領域的創新企業，致力于用智能Agent重塑傳統招聘流程。 在傳統模式下，HR每天要篩上千份簡歷、發上百條信息，效率低、體驗差。遞航科技打造的數字員工團隊，由多個具備不同職能的專業Agent協同工作（比如，AI“畫像師”能精準構建人才模型，AI“尋訪師”在全網高效鎖定候選人，AI“溝通師”負責完成初步篩選與意向溝通），實現了招聘前端的自動化與智能化，同時也讓招聘過程變得更快、更準，也更輕松。

說到這里，想必大家對“Agent上線是否會引發大規模裁員”這樣的話題，已經有了更深的認識和更準確的判斷。

AI Agent的核心價值在于自動化重復性任務，從而解放員工，使其能聚焦于更高價值的創新與決策。它帶來的是企業崗位結構的優化和人才能力的升級，而非簡單粗暴的取代。從某個角度看，Agent并不是職場中的“殺手”，而更像賦能企業與員工共同進化的加速器。戰略性地理解并駕馭這項技術，才是我們在智能時代最該做的事，這遠比“原地焦慮”有意義得多。

如果你的企業也想用AI提效，歡迎與我交流（個人微信：laokei2024，注明AI）。

作者| Mr.K 編輯| Emma

- END -