智能體時代：企業競爭的下一條分水嶺

今天，人工智能的發展已經進入一個新的階段。它正在改變企業內部系統、流程、數據、知識和人的關係，並進一步推動企業重新思考：什麼才是企業真正的能力？什麼才是組織長期競爭力的來源？

過去多年，企業談數字化往往從系統建設開始。企業建設ERP、CRM、HR、財務、採購和供應鏈系統，把業務流程搬到線上，把數據沉澱下來，再用報表和分析支持管理決策。這些工作非常重要，沒有這些系統，企業不可能實現規模化運營，也很難形成基本的管理秩序。

但是，AI時代的到來，使這一套架構正在發生新的變化。傳統系統不會消失，但它們的角色會改變。過去，系統主要是給人使用的，員工透過系統界面錄入訊息、查詢數據、推動審批；未來，系統中的數據、流程、權限、規則和接口，都可能被智能體直接調用，系統將愈來愈多地成為AI可以理解、調用和重新組合的能力。換句話説，企業原有的IT系統並不會被簡單替代，但它們的角色會發生改變：將從記錄逐步轉化為能力的一部分。

這是一條非常重要的分水嶺。因為AI真正帶來的變化，不是把原來的人機交互界面變得更友好，而是讓企業第一次有機會把分散在系統、文件、流程和人員經驗中的能力重新組織起來。這意味企業不只是多了一個工具，而是企業內部的流程、知識、數據、權限和組織方式，都有可能被重新安排。

AI時代的企業架構

傳統企業架構大致由三層構成：基礎設施、技術繫統和業務層。基礎設施提供算力和部署環境，業務系統承載日常運營，數據則支持報表、分析和管理控制。過去，企業數字化的重點，是把這些層面建起來、連起來、管起來。

在AI時代，這些系統仍然有價值。它們承載着企業正式的數據、審批流程、權限規則和業務記錄，是企業運行的底座，但問題在於若企業只是繼續圍繞這些系統做局部優化，AI的價值往往只能停留在提高效率的層面。

今天很多企業使用AI，仍然停留在AI賦能（AI-enabled）的階段，即在現有流程和系統上增加AI能力，例如在財務系統中讓AI幫助預審材料，在CRM中讓AI總結客户訊息，在HR系統中讓AI輔助篩選簡歷。這些應用有價值，可以提高效率，也可以減少一些重複勞動。

但這還不是AI最深刻的價值。

更大的變化，是AI原生（AI native）的工作方式。AI原生不是把AI放進舊流程上加一個AI功能，而是圍繞任務本身重新設計流程。企業需要重新思考：這個任務是否一定需要由人完成？哪些步驟可以由智能體完成？哪些智能體之間需要協同？人在什麼時候介入？結果如何被審核、沉澱和複用？產出如何沉澱為新的知識？這才是AI對企業組織方式真正深刻的影響。

這意味着，未來企業AI應用大致會出現兩種形態。一種是在現有系統和流程上叠加AI能力，例如在ERP、CRM或財務系統中增加AI助手，幫助員工總結訊息、預審材料、調取文件、加快審批。這種模式可以提升效率，但本質上仍然是對既有流程的增強。

另一種則是AI原生的工作方式。形成人、系統和智能體圍繞任務共同工作的模式。企業需要建立的不是一個聊天機器人，也不是某個孤立的AI應用，而是一個能夠創建、管理、編排和治理多個智能體協同工作的企業級平台。模型提供理解和推理能力，數據和知識提供燃料，傳統系統透過接口開放業務動作，而智能體平台則把這些能力組織起來，讓一個個「數字員工」圍繞具體任務展開工作。

這也是企業AI轉型最容易被低估的地方。很多企業以為AI轉型是部署幾個工具、培訓一批員工、做幾個應用場境。但事實上，真正的AI轉型，是企業工作方式和組織能力的重構。

因此，在新的企業架構中，模型層、知識層與智能體層的建設將至關重要。大語言模型、多模態模型，以及企業逐步沉澱出來的專屬模型，將為企業提供理解語言、處理文檔、分析圖像、生成內容和推理的能力。傳統的系統更多是按照明確規則執行任務，而透過模型則能夠處理大量非標準化、語境化和經驗性的工作。這使AI能夠把企業原有系統中的數據、流程和規則等知識透過新的方式重新組織起來，使得智能體可以在被授權的範圍內調用模型、讀取數據、理解業務規則，並協助完成任務。企業的系統因此不再只是一個個封閉的軟件，而會成為智能體可以調度的組織資源。

正因如此，企業需要思考如何將過去為人設計的系統，逐步改造成既能服務人、也能服務AI模型的系統，正在變得愈發重要。

非結構化知識將成為新的生產資料

AI時代還有一個更深層的變化，就是數據的定義正在擴大。

過去，企業談數據，通常指結構化數據，例如客户記錄、員工記錄、供應商訊息、財務數據、交易數據和運營數據。這些數據當然重要，但它們並不是企業知識的全部。很多真正有價值的東西，往往存在於制度文件、SOP、會議紀要、培訓材料、客户服務話術、項目覆盤、專家經驗和日常討論之中。

這些有價值的內容雖然存在，卻很難被有效使用。它們可能散落在不同部門的文件夾裏，藏在郵件和會議記錄中，甚至只存在於資深員工的腦子裏。企業知道這些知識很重要，但很難把它們轉化為可複製、可調用、可規模化的知識資產。

AI的出現改變了這一點。大模型能夠理解文字、歸納經驗、檢索文檔、總結規律，並把非結構化內容重新組織起來。由此，企業多年積累下來的組織記憶，第一次有機會成為新的生產資料。

從某種意義上説，AI時代真正有價值的企業，不一定只是擁有最多數據的企業，而是那些能夠把隱性知識顯性化、把分散經驗系統化、把個人能力組織化的企業。而對於企業知識更好的運用，同時需要企業重新理解公域與私域的關係。

所謂公域，是指大模型從廣泛公開訊息、通用知識和開放生態中獲得的能力。它讓企業可以快速獲得語言理解、內容生成、邏輯推理、代碼輔助和多模態處理等通用能力。過去，許多中小企業很難擁有這樣的技術能力；今天，公域大模型大幅降低了企業使用AI的門檻。

但公域能力本身並不能形成企業真正的差異化。因為同一個模型，競爭對手也可以使用；同一種通用能力，很多企業都可以獲得。真正決定AI價值的，是企業能否把這些公域能力與自身的私域知識結合起來。

所謂私域，不只是客户私域或流量私域，更是企業內部長期積累下來的數據、流程、經驗、制度、案例、判斷和組織記憶。它包括企業自己的客户洞察、產品經驗、供應鏈知識、運營規則、服務話術、項目覆盤、專家判斷和管理方法。這些內容往往不在公開互聯網上，也不是大模型天然具備的能力，但它們恰恰構成了一家企業區別於另一家企業的核心。

換句話説，公域AI提供的是通用能力，私域知識提供的是企業個性。沒有公域能力，企業很難快速進入AI時代；沒有私域知識，AI則很難真正理解企業本身。企業若只使用公域模型，AI往往只能給出一般性答案；只有當模型能夠連接企業自己的知識庫、業務系統和流程規則時，它才可能產生真正可執行、可落地、可複用的業務結果。

這也解釋了為什麼許多企業在試用AI時感覺很興奮，但真正落地時效果有限。原因並不一定是模型不夠強，而是企業沒有把自己的私域知識整理好、連接好、治理好。AI沒有足夠的企業上下文，就只能停留在看起來聰明的層面，而不能變成真正懂業務的數字員工。

因此，未來企業AI建設的關鍵，不是簡單地在公域模型和私域系統之間做選擇，而是建立兩者之間的連接機制。一方面，企業要善用公域模型的快速迭代和通用能力；另一方面，企業必須把自己的私域知識沉澱下來，並通過權限、治理、安全和業務規則，讓AI能夠在合適範圍內調用這些知識。

從這個角度看，AI時代的競爭不會只是模型之間的競爭，而會是「公域能力 × 私域知識 × 組織機制」的競爭。誰能夠更好地把外部通用智能與內部獨特知識結合起來，誰就更有可能把AI從一個工具，變成企業真正的新生產力。

安克的啟示：AI不是提效而是流程重構工具

總部位於深圳的安克創新（Anker Innovations）在流程重構上的實踐非常有其他意義。安克並不是一家純軟件公司，而是一家全球領先的消費電子品牌企業，專注於智能充電、智能家居、智能影音及創新消費電子產品，並透過全球化品牌運營和數字化能力服務超過一億用户。它在AI應用上推進得相當堅決，且面對的問題也很典型：訊息過載、流程過長、跨部門交接複雜，以及很多判斷依賴個人經驗，導致效率和質量出現波動。這些問題不是某一家企業獨有，而是許多規模化企業都會遇到的共同挑戰。

例如在產品開發和上市流程中，安克過去需要進行全球市場洞察、不同國家市場洞察和不同渠道洞察。這個過程涉及大量數據採集、模板填寫、信息校準和報告生成，一個產品的洞察工作可能需要兩周時間。

後來，他們重新拆解這項工作，發現其本質上只有兩個動作：第一，尋找數據；第二，按照既定方法形成洞察。於是，他們用智能體完成數據抓取、內部數據調用和模板化分析，把原來兩周的工作壓縮到一、兩個小時。

這件事的意義並不只是「效率提高了」，更重要的是它説明企業可以重新定義流程。過去，一個流程之所以漫長，是因為它被分割在不同部門、不同人員、不同模板和不同交接節點之間。AI時代，若企業能夠把任務拆解為可執行、可判斷、可複用的動作，並建立統一的數據和知識基礎，流程本身就可以被重構。

這也是AI真正有力量的地方。它不是簡單替代某個人，而是讓企業重新看見流程的本質。