研究报告

前言

过去几个月，AI Agent已从实验技术转变为企业在生产环境中使用的基础设施。与等待人类输入的传统软件不同，Agent能够自主推理问题、做出决策并采取行动——从多步骤编码工作流到跨职能业务流程。向自动化工作流和多步骤智能系统的转变，根本性地改变了组织对AI的要求：在处理专有数据时保证安全，符合行业法规，并能抵御越狱等对抗性攻击。

Anthropic与研究公司Material合作，调研了美国超过500名技术领袖，涵盖不同规模和行业的公司，以了解组织今天如何使用Agent以及他们在2026年的机遇。我们看到了一幅清晰的技术转型图景：从任务自动化到战略影响，从单一功能试点到跨职能部署，从增量效率到工作方式的根本转变。

数据以具体术语显示了这一转变。根据我们的研究，超过一半的组织（57%）现在部署Agent处理多阶段工作流，包括16%已进展到跨多个团队的跨职能流程。2026年，81%计划攻克更复杂的用例——39%开发多步骤流程Agent，29%将其部署用于跨职能项目。

鉴于过去12个月智能编码的增长，近90%的被调研组织今天使用AI辅助编码，这并不令人惊讶。组织报告称，AI Agent在整个开发生命周期中释放了更多时间——从规划和构思（58%）到代码生成、文档、测试和审查（均为59%）。

影响也远超软件开发。工程之外，最高影响的用例包括数据分析和报告生成（60%）以及内部流程自动化（48%），56%计划在未来一年实施研究和报告Agent。80%报告这些投资已经交付了可衡量的经济回报——不是预测价值或试点结果，而是实际ROI。

八成组织认为AI Agent已经交付了可衡量的ROI，另有10%表示他们预期未来会带来更多经济影响。2026年，领导者面临的问题不是是否采用AI Agent，而是如何在应对集成挑战（46%）、数据质量要求（42%）和变更管理需求（39%）的同时战略性地扩展它们。

继续阅读，了解更多关于当今领导者如何在企业中构建AI Agent。

第一部分：当前格局

超过一半的企业正在部署多步骤工作流的AI Agents

趋势摘要：组织正在部署AI Agents处理远超聊天界面和单步自动化的工作。超过一半（57%）现在使用Agents处理多阶段工作流，16%已进展到跨职能或端到端流程，跨越多个团队或业务功能。

几乎所有组织都在采用编码Agents

为什么重要：AI编码Agents已从实验性转向主流，大多数组织已在生产环境中部署。战略性使用这些工具的组织正在加速交付时间表、优化工程资源，并释放开发者专注于更高价值的架构和问题解决工作。信任Agents主导而非辅助的组织之间的分化，揭示了早期投资建立专业知识和最佳实践的巨大上行空间。

AI编码Agents提升开发者生产力

领导者更倾向于Agentic开发的混合方法，而非从零构建

第二部分：深入分析 - 扩展用例并衡量ROI

Agentic用例正在扩展到编码外

除了编码，数据分析和流程自动化是企业最具影响力的Agentic用例

效率提升主要秘诀是AI Agents

趋势摘要：组织预期AI Agents在未来12个月交付效率增益，44%预期更快的任务完成。企业还预期速度之外的额外收益：从其Agent部署中获得可衡量的成本节约。

为什么重要：效率增益和成本节约之间的分化揭示了当今AI Agents的两条不同路径，两者都为接下来的事情创造了空间。速度改进帮助组织用现有资源做更多事情，而成本节约（企业特别有能力规模化捕获）来自减少手动工作和避免昂贵错误。随着组织成熟其Agent部署，这些增益解锁全新类别的工作：全面竞争分析、持续文档、主动客户外联——以前在经济上不可行的努力。在2026年捕获最多价值的组织将追求仅因复合效率增益而存在的机会。

领导者期望AI Agents推动整个公司的投资回报率

为什么重要：这四个职能共享关键特征，使其成为AI Agents的理想试验场：它们涉及大量重复性工作，需要快速迭代周期，并具有清晰绩效指标使ROI可衡量。这些职能预期影响的接近性——从44%到57%——表明我们看到的是多个可行切入点，而非一个主导用例。

80%的领导者表示AI Agents已在交付财务价值

趋势摘要：大多数组织（80%）报告其AI Agenst投资今天已交付可衡量的经济影响，展望未来的信心更高——88%预期持续或增加回报。这不是投机性ROI；大多数组织正在从其部署中看到具体业务价值。

为什么重要：组织已超越概念验证阶段进入可衡量回报，将对话从"我们应该投资吗？"转向"我们如何扩展有效的东西？"这些发现表明，随着组织在更多用例中部署Agents、优化实施并建立制度知识，回报会复合。早期行动者正在建立专业知识基础设施，这将使他们随着技术继续成熟而获得不成比例的价值。

第三部分：前行之路 - 推动2026年AI Agent采用

领导者对AI Agents的业务影响持乐观态度

趋势摘要：所有细分市场的组织都预期AI Agents在2026年交付有意义的业务影响，企业对技术潜力表现出特别强的信心。

数据质量和集成是AI Agent采用的最大障碍

趋势摘要：集成和数据质量挑战在所有规模组织的实施障碍列表中位居前列。近一半（46%）引用与现有系统集成为主要障碍，42%指出数据访问和质量问题，43%指出实施成本。中小企业面临独特挑战：它们显著更可能在采用的人员方面挣扎，包括员工阻力和培训需求（51%，而大型企业比例较低）。

为什么重要：这些障碍是可预测和可解决的，但需要根据组织规模和成熟度采用不同策略。企业需要优先考虑技术集成和数据基础设施工作——将AI部署视为系统挑战，而不仅仅是软件购买。同时解决技术和变更管理维度的组织将比仅关注技术的组织更快实现价值。

AI agents正在将员工的时间从死记硬背的任务转向战略性工作

趋势摘要：Agents 正在改变员工花时间的方式——更加关注战略工作（66%）、建立关系（60%）和技能发展（70%），而不是常规执行。

为什么重要：这解决了关于人工智能采用的核心问题之一：它主要是取代工作还是提升工作。数据表明，组织看到了后者——Agents负责执行，而人类则专注于判断、关系和学习。这种转变的影响超出了生产力指标：随着时间的推移，花更多时间在战略和技能建设上的团队变得更有价值，而不是更少。组织应该在设计Agent部署时牢记这一目标，不仅要衡量任务完成率，还要衡量人们是否正在逐步解决更高杠杆问题。与那些只专注于降低成本的公司相比，使用Agents来发展员工并提高效率的公司将建立可持续的优势。

10家企业中有8家计划在2026年实施更复杂的agents

趋势摘要：大多数组织（81%）计划在2026年从简单的任务自动化转向更复杂的AI projects ，企业引领这一转变，占87%，而中小企业占78%。看看“更复杂”的实际含义：39%的人预计开发处理多步骤流程的Agents，而29%的人计划为跨越多个团队或部门的跨职能项目部署Agents。

为什么重要：组织正准备用AI解决更难的问题——这项工作需要跨系统、功能和决策点进行协调。确定其最高杠杆复杂用例的公司现在可以建立能力和机构知识，而其他公司仍然专注于基本自动化。思考为销售策略提供信息的客户情报，连接法务与采购的合同生命周期管理，或综合财务、运营和产品团队投入的战略规划Agents。