AI智能体绩效管理新时代：业务部门主导的必然趋势

当AI智能体（Agent）逐步深入企业的核心业务流程，一个长期被忽视的管理盲区正在浮出水面：谁来为这些数字劳动力的表现负责？如何评估它们的价值创造？当智能体表现不佳时，是否也需要一套“淘汰”机制？麦肯锡在最新一期《McKinsey Talks Talent》播客中，对这些问题给出了明确且富有洞见的回答。

业务负责人，而非IT部门

麦肯锡指出，企业对AI的讨论已从“员工如何学AI”转向“组织如何管理Human与Agent的混合劳动力”。这不仅是技术问题，更是组织管理的根本性转变。企业需要回答三个核心问题：组织实际部署了多少智能体？谁为它们的绩效承担最终责任？它们究竟创造了多少可量化的价值？

从人才盘点到劳动力地图

麦肯锡的核心观点颇具颠覆性：智能体的管理责任应归属于使用它的业务负责人，而非IT部门或AI卓越中心（AI CoE）。以财务智能体为例，它负责月末关账和收入核对，那么财务负责人就必须同时承担对流程中人类员工和数字员工的全面管理责任。IT和AI团队的角色定位应转向平台建设、风险治理和技术标准的制定，而非直接承担业务绩效。 这一转变意味着，未来一位财务总监管理的“资源”将不再仅限于团队成员，还包括数十个专业智能体；一位销售负责人的管理范围也可能扩展至客户研究、方案生成、跟进提醒等多类智能体。管理者必须开始面对一系列前所未有的问题：这个智能体的日均任务完成量是多少？准确率如何？错误发生的原因是什么？调用成本与业务价值如何平衡？

重新发现业务专家的价值

麦肯锡特别提醒企业领导者：与其不惜代价招聘外部AI专家，不如重视企业内部那些熟悉业务、流程和客户规则的资深业务专家。这些人经过多年积累形成的pattern recognition（模式识别）能力，往往是AI落地最宝贵的土壤。正如一位客户所言：“教会冶金专家使用AI，远比让AI专家重新学会冶金容易得多。”因此，企业的人才战略应调整为系统性地识别和培养“业务专家+AI”的复合型人才，而非单纯追求算法工程师的数量。

警惕“伪AI采用率”

部分企业在评估AI落地成效时，过于关注工具的使用率、活跃用户数等表层指标。麦肯锡直言这是“一条走不通的路”（a highway to nowhere），因为这些数字无法回答核心问题：AI究竟重构了多少业务流程？人机协作减少了多少无效交接？工作质量和周期发生了什么变化？真正的管理单位应从“工具”回归到“工作”本身。 此外，麦肯锡还观察到一种反常现象：部分AI深度用户反而更加疲惫。这是因为AI承接了大量重复性任务后，留给人类的工作高度集中于判断、复杂决策和困难对话，这些任务对认知和情绪的消耗更高。企业需要重新审视AI时代的工作设计——不能仅仅计算“节省了多少工时”，更要关注这些时间被什么工作填满，以及员工是否在承受持续的认知高压。

如有侵权，请联系删除。