點解大企業嘅智能體 AI 仲卡喺試點？

UiPath 一項全球調查反映，大企業唔係未開始用智能體 AI（agentic AI），而係好多仍然未能跨過「試點做到、全公司推唔到」嗰關。

調查涵蓋美國、英國、法國、德國、印度及新加坡、年收入至少 10 億美元嘅私營機構，共 590 名 C-suite 高層及 IT 從業員。結果指向同一個現實：難處未必係推出一個 AI Agent，而係點樣令佢喺複雜企業內，同數據、舊有系統、既定流程、員工同管控要求可靠地協作。 34

AI 有採用，但未算成熟

只有 31% 受訪者話，AI 已經全面融入公司業務；35% 表示只喺部分團隊有限採用，另有 11% 仲做緊有限度實驗。 37

呢個分布反映常見嘅「由試點到正式投產」落差。某個部門可以喺範圍有限嘅場景驗證 AI Agent 有用，但一旦要擴展，Agent 就要穩定讀取企業數據、連接多個業務應用程式、配合既有流程，亦要處理需要人手判斷嘅例外情況。

三大擴展障礙：唔係模型本身，而係企業基本功

受訪者認為，要優化智能體 AI 部署，最大限制依次為：

• 數據質素及就緒程度：38%
• 與現有工作流程及系統整合：37%
• 管治及合規：33% 14

呢啲主要係營運同系統架構問題。一個 AI 模型可能識得理解文件、整理資料，甚至建議下一步；但要真正投入日常業務，整個流程仍要有可靠輸入、清晰權限、系統連接、問責機制，以及自動化失敗時交畀人處理嘅路徑。

尤其對仍有大量舊系統、跨部門流程嘅公司而言，整合往往先係硬骨頭。一個 Agent 喺單一應用程式或某個團隊運作理想，唔代表佢可以自然融入涵蓋多個系統、多人交接同多重審批嘅端到端流程。

UiPath 所講嘅「業務編排」係乜？

UiPath 將「業務編排」（business orchestration）定位為協調層：將數據、系統、工作流程、員工同 AI Agent 連接起來。簡單講，即係要喺一條完整業務流程入面，決定一項工作應該交畀自動化工具、AI Agent 定真人處理；同時追蹤進度、套用管控規則，並喺需要人手判斷時升級處理。 4

不過，只有 29% 受訪者話公司已全面植入呢種編排能力。而喺呢批企業之中，89% 表示其智能體 AI 部署達到或超過投資回報（ROI）預期。 315

呢個數字值得留意，但唔應該解讀成「只要有編排就一定有更高回報」。調查由供應商贊助，而且屬受訪者自我申報；有能力全企業落地編排嘅公司，本身亦可能已有較好嘅數據基礎、流程紀律、系統整合能力同管理層支持。因此，結果顯示嘅係關聯，唔足以證明因果。 15

混合式工作流程，可能係 Agent 擴展嘅重點

調查亦突顯「混合式工作流程」嘅潛力。UiPath 將其定義為：一部分係固定、重複、可按規則執行嘅工序；另一部分則要因應上下文、個案資料同判斷作出調整。52% 受訪領袖表示，日常營運中有呢類流程。 10

呢個正好說明 AI Agent 未必係要取代傳統自動化。規則清楚、資料結構化嘅步驟，可以交畀確定性自動化處理；至於文件內容、情境變化同需判斷嘅工作，Agent 可以幫手。不過，兩者要一齊規模化，仍然取決於流程設計、系統連接同管控是否到位。

企業想得到嘅，其實係可管理嘅協作

受訪者提到，業務編排帶來嘅實際好處主要包括：

• 讓員工騰出時間處理更高價值工作（51%）；
• 提高應用程式之間嘅整合程度（47%）；
• 改善工作流程監察（44%）。 4

換句話講，企業追求嘅唔只係「更自主」嘅軟件，而係一套可以看得見、管得到、追得到責任嘅協作方式：讓人、應用程式、自動化同 AI 一齊喺業務流程內運作。

對企業 AI 團隊有咩啟示？

單一試點比較容易起步；要重複地喺整間公司落地，難度就高得多。由試點走向企業規模，唔係揀好一個模型或者部署一個獨立 Agent 就完成，而係要補足數據可靠性、系統互通、流程擁有權、管治、監察同人工升級處理等基礎。

所以，企業領導層值得問嘅唔止係：「邊度可以用 Agent 幫手？」 更重要係：「佢點樣先可以安全、可量度、可問責咁融入整條工作流程？」

能夠處理好呢個協調問題嘅企業，先較有機會將部門層面嘅亮眼實驗，變成跨部門、可持續運作嘅業務能力。 4