AI 智能体省下来的时间,怎样才能变成增长?
报告认为智能体最大的价值来自增长而不是降本,但释放的产能要有人主动转去做高价值工作,否则只停在效率。我们建议先选一个职能,用四周记清省下的工时去了哪里。
30 秒看懂
报告估计平均一半以上的工时会受智能体影响,主要价值来自增长而非降本;但数字是模型上限,案例只有一家,先用四周记清省下的时间去了哪里。
- 50%一半以上的工时预计受到智能体影响报告对 18 个行业的分析显示,平均超过 50% 的工作时间预计受到影响。第 7 页
- 5,821 百万美元模型里收入提升远大于成本节省案例企业每年收入提升 5,821 百万美元,人工成本节省 1,162 百万美元。第 19 页
- 1.8 个百分点人才重塑者的收入增长高 1.8 个百分点2025 年收入增长高 1.8 个百分点,利润增长高 1.4 个百分点;报告没写样本,只能看作相关。第 32 页
本页目录
关键事实
出处:Accenture:The age of co-intelligence(2026) · 调查时间:原报告未写数据采集时间,日期按报告发布日期标注
- 50%报告对 18 个行业做了自下而上的工时分析,平均有超过 50% 的工作时间预计会受到 AI 智能体影响第 7 页
- 60 个报告的分析得出一个约 60 个企业级智能体的最小可行组织:35 个数字智能体和 25 个实体智能体(机器人)第 10 页
- 5,821 百万美元案例企业成熟期每年的潜在影响:收入提升 5,821 百万美元,人工成本节省 1,162 百万美元,人工成本规避 560 百万美元 估计第 19 页
- 96%报告称为人才重塑者的企业中,96% 表示自己的人才战略已通过 HR 与 IT 的紧密协作,与技术和 AI 完全整合第 31 页
- 1.8 个百分点人才重塑者 2025 年的收入增长比同行高 1.8 个百分点,利润增长高 1.4 个百分点第 32 页
- 7 倍人才重塑者加强组织文化的几率是同行的 7 倍,改善员工体验的几率是 6 倍,提升员工适应力的几率是 4 倍,创新相关技能提升 11%第 32 页
- 67%Accenture 市场与传播团队用 14 个 AI 智能体重做工作流程后,创意简报的手工步骤减少 67%,初稿快 90%,为把营销活动步骤从 135 步减到 85 步打下基础,上市时间快 25–35% 公司说第 9 页
其余 15 条口径与补充事实
- 案例客户是一家年收入 600 亿美元、人力支出 45 亿美元的大型企业 第 18 页
- 案例中生产率收益约三分之二表现为直接成本节省,约三分之一表现为成本规避,也就是释放出来、可以转去做别的工作的产能 估计 第 19 页
- 案例中收入增长最集中在销售、研发和市场准入三个职能,合计占收入潜在增幅的近一半 估计 第 19 页
- 人才重塑者的领导者授权、培养和辅导人才的几率是同行的 1.3 倍;用先进 AI 工具跟踪行为采用的几率是 1.6 倍,用 AI 匹配评估岗位适配的几率是 1.7 倍,在人员系统里嵌入动态技能数据的几率是 16.5 倍 第 32 页
- 报告引用的评测中,GPT 5.2 在 44 个职业的 1,320 项任务里有 71% 超过人类基线(转引,本文未核对出处) 公司说 第 6 页
- 报告引用 Gartner 的预测:到 2027 年约一半商业决策会由 AI 智能体增强或自动化,到 2028 年有 15% 由智能体自主做出;客服运营到 2029 年接近 80% 自主解决(转引,本文未核对出处) 估计 第 7 页
- 报告引用的估算称,培训员工使用 AI 到 2034 年能为美国经济增加 4.8 万亿到 6.6 万亿美元(转引,本文未核对出处) 估计 第 35 页
- 工时分析基于 O*NET 和美国劳工统计局数据,映射约 300 项任务、90 个岗位,由大模型匹配智能体与任务并估算可替代的时间比例,再由领域专家复核 第 39 页
- 报告称有些行业会比其他行业更早、更深地感受到这种变化,取决于任务构成、数据密集度和运营复杂度,并用图列出了 18 个行业受影响的工时比例 第 7 页
- 报告以食品杂货零售为例建模:产品设计与开发、制造、配送与物流、供应链计划、客户体验与销售、渠道与商务等环节,超过一半的工时预计会受到数字和实体智能体的明显影响 估计 第 10 页
- 报告的自下而上经济建模认为,智能体的主要价值来自增长而不是效率;生产率只有经过再部署才会变成增长 第 16 页
- 在案例企业里,收入机会最大的销售职能,也是高风险决策最多的职能之一,价值和风险一起增长 第 24 页
- 报告给案例企业的路线:先在销售职能纵向起步并配好治理,从管理、业务策略、写作与记录三类任务入手,再横向推广到其他职能 第 25 页
- 报告给领导者的五项行动,从自上而下定盈亏优先级、为智能体工作设计人主导的运营模式开始 第 37 页
- 报告估算各行业 AI 经济价值的方法:用任务级模型把观察到的 AI 表现连到具体工作活动,再在明确的基线和采用假设下换算成财务结果 第 40 页
报告卡片
- 发布机构
- Accenture(与沃顿商学院合作研究)
- 发布日期
- 2026-03-26,以 Accenture 官网报告页标注的日期为准;PDF 里只印了版权年份 2026
- 样本与方法
- 任务级模型估算:18 个行业的工时影响,标普 500 企业的行业平均价值,以及一家匿名客户的价值建模;人才数据没有写明样本,相关概念见另一份报告《Talent Reinventors》
- 原文
- Accenture 官网报告页(英文 PDF,共 43 页);本文页码为 PDF 的物理页序号
- 结论有效期
- 6 个月,2027-05-21 前复核
01 信号Signal报告里最重要的变化:智能体释放的产能,要转去做增长
报告认为,AI 已经从辅助单项任务的工具,变成能理解意图、权衡选项、协调步骤并在边界内执行工作的“共同智能”。为了看清这对工作的影响,报告对 18 个行业做了自下而上的任务分析:平均超过 50% 的工作时间预计会受到 AI 智能体影响。报告还给出了一个约 60 个智能体的最小可行组织,其中 35 个是数字智能体,25 个是机器人。报告用一句话概括这条边界:智能可以规模化,责任却不能。
Intelligence may be scalable, but accountability is not.
报告最重要的判断是:价值的主要来源是增长,不是效率。它用一家年收入 600 亿美元、人力支出 45 亿美元的客户做了建模:成熟期每年收入提升 5,821 百万美元,人工成本节省 1,162 百万美元,人工成本规避 560 百万美元。这些是模型在完全成熟时的估算,不是这家企业已经实现的结果。
报告特别指出,生产率不会干净地变成更低的成本:约三分之二表现为直接节省,约三分之一表现为成本规避,也就是省出来的时间。报告的原话是,如果不主动重新安排这部分产能,它就不会变成增长。收入增长则集中在销售、研发和市场准入三个职能,合计占近一半。
- 60个智能体总数(约)
- 35个数字智能体
- 25个实体智能体(机器人)
来源:Accenture:The age of co-intelligence(2026) · 第 10 页 · 调查时间:原报告未写数据采集时间,日期按报告发布日期标注
数据表
| 项目 | 数值 |
|---|---|
| 智能体总数(约) | 60个 |
| 数字智能体 | 35个 |
| 实体智能体(机器人) | 25个 |
来源:Accenture:The age of co-intelligence(2026) · 第 19 页 · 调查时间:原报告未写数据采集时间,日期按报告发布日期标注
数据表
| 项目 | 成熟期每年潜在影响 |
|---|---|
| 收入提升 | 5821百万美元 |
| 人工成本节省 | 1162百万美元 |
| 人工成本规避 | 560百万美元 |
02 拆解Structure原因:报告认为与我们认为
这一节先看报告怎么解释差距,再写我们的判断。报告把差距归到领导者的选择上,并拿人才重塑者做佐证,称下面这些是增长的关键:加强组织文化的几率是同行的 7 倍,改善员工体验是 6 倍,提升员工适应力是 4 倍,创新相关技能提升 11%。报告说这些概念在另一份报告《Talent Reinventors》里有详细展开,本报告没有给出样本和比较方法。
同一页还有三项做法类倍数,衡量的东西和上图不同,所以单列:领导者授权、培养和辅导人才的几率是同行的 1.3 倍,用先进 AI 工具跟踪行为采用是 1.6 倍,用 AI 匹配评估岗位适配是 1.7 倍。报告还说,这类企业在人员系统里嵌入动态技能数据的几率是 16.5 倍,差距太大,没有放进图里。
报告认为,智能体带来的价值分布不均:集中在少数职能和少数反复出现的任务类型上,管理、业务策略、写作与记录、数据分析占了大部分生产率机会。它把差距归到领导者的选择上:要自上而下定下按职能和任务类型的价值目标,并主动把释放的产能转向增长。报告用人才重塑者做佐证,这类企业中 96% 表示人才战略已与技术和 AI 完全整合,2025 年收入增长比同行高 1.8 个百分点,报告称这些做法是增长的关键。
我们认为“产能要主动再部署”是这份报告里最值得检验的一句,也是最容易被忽略的一句。省下来的时间如果没有被指定去处,通常会被会议和零碎事务吸收,账面上既看不到节省,也看不到增长。检验方法是在一个职能里记清两件事:智能体省了多少小时,这些小时有多少转到了和收入直接相关的工作上。报告用“增长的关键”暗示了因果,我们不这样看:人才重塑者的数据只说明这类企业增长更快,不说明是人才做法带来了增长。这个判断更适合知识型工作占比高的销售、研发和专业服务团队;以现场操作为主的团队,要等实体智能体的成本数据再判断。
来源:Accenture:The age of co-intelligence(2026) · 第 32 页 · 调查时间:原报告未写数据采集时间,日期按报告发布日期标注
数据表
| 项目 | 相对同行的倍数 |
|---|---|
| 组织文化 | 7倍 |
| 员工体验 | 6倍 |
| 员工适应力 | 4倍 |
03 选项Options对行业意味着什么:影响因行业而异,先从一个职能起步
报告说,有些行业会比其他行业更早、更深地感受到这种变化,快慢和深浅取决于任务构成、数据密集度和运营复杂度。报告用一张图列出了 18 个行业受影响的工时比例,图中的分行业数字本文没有逐一核对,所以这里不排先后。报告在文字里只展开了一个行业:食品杂货零售。在这个模型里,产品设计与开发、制造、配送与物流、供应链计划、客户体验与销售、渠道与商务等环节,超过一半的工时预计会受到明显影响。判断自己的行业时,可以按这三条看:重复性的写作、分析类任务多不多,数据是否集中可用,运营流程是否复杂。
报告最后给了领导者五项行动。本节最后的表格列出了报告的建议,以及我们的补充。
报告还提醒,价值和风险是一起增长的。在案例企业里,收入机会最大的销售职能,也是高风险决策最多的职能之一,因为它涉及客户沟通、定价和商业判断。所以报告给这家企业的路线是:先在销售职能里纵向起步,配好治理,从管理、业务策略和写作与记录三类任务入手,再把同样的任务能力横向推广到其他职能。
报告用 Accenture 自己的市场与传播团队举例:用 14 个 AI 智能体重做工作流程后,创意简报的手工步骤减少 67%,初稿快 90%,上市时间快 25–35%。这是公司自述的结果,报告没有给出测量方法和基期。
- 67%创意简报手工步骤减少
- 90%初稿提速
- 25%上市时间提速(下限)
- 35%上市时间提速(上限)
来源:Accenture:The age of co-intelligence(2026) · 第 9 页 · 调查时间:原报告未写数据采集时间,日期按报告发布日期标注
数据表
| 项目 | 数值 |
|---|---|
| 创意简报手工步骤减少 | 67% |
| 初稿提速 | 90% |
| 上市时间提速(下限) | 25% |
| 上市时间提速(上限) | 35% |
04 试点Pilot一个四周内能做的小试验:记清省下的工时去了哪里
下面是我们设计的试验,不是报告里的做法。它检验报告最关键的一句:省出的产能要主动再部署,才会变成增长。所以试验不只看智能体省了多少时间,更看这些时间去了哪里。
基线一周加试跑三周,正好四周。四周内看不到收入变化,所以判断只用一个先行指标:每人每周花在客户相关工作上的时间,相对基线增加了多少。比的是两组各自相对基线的变化,按人分组带来的起点差异会被扣掉。每组至少八人,样本很小,结论只用来决定要不要扩大,不用来证明收入会增长。工时靠自己记录,误差不小,复盘时请组长对照日程核一遍。
- 选范围选一个销售或方案团队,挑写作与记录类任务,比如会议纪要、方案初稿和跟进邮件。团队按人分两组,每组至少八人,一组用智能体,一组照常工作。能按客户或区域分组更好,减少两组共用客户带来的相互影响。
- 记基线第一周两组照常工作,每人每天记下花在这类任务上的小时数,以及和客户直接相关的时间,比如拜访、方案讨论和报价跟进。
- 试跑后三周,试验组用智能体完成这类任务。开始前每人写下省出的时间要用在哪件和客户相关的事上,每周复盘一次实际去向,并抽查智能体产出有没有出错。
- 判断第四周末比较两组相对基线的变化:试验组每人每周和客户相关的时间比对照组多出两小时以上,而且抽查没有发现需要返工的错误,就扩大到整个职能;省出的时间没有转到客户相关工作上,或者返工变多,就停;介于两者之间,按原规模再跑四周。
05 复盘Measure建议跟踪的指标
报告建议按职能和任务类型设价值目标,并按决策风险设计治理。我们把它落成下面五个可以每月看的指标。
- 释放工时智能体每周替团队完成的任务折算成的小时数,看效率收益有多大。
- 再部署比例释放的工时里,转到和收入直接相关工作上的比例,是这篇文章最关键的指标。
- 客户相关时间每人每周花在拜访、方案和报价跟进上的时间,看产能是否转向增长。
- 人工复核率涉及定价、合同和客户承诺的智能体产出里,经过人确认的比例,看治理有没有跟上。
- 返工次数智能体产出被退回修改的次数,看质量有没有因为提速而下降。
局限与反对意见
模型口径:报告的价值数字都是任务级模型在“完全成熟”时的上限估算。报告在方法说明里写明,所有结果都基于情景假设,实际结果取决于执行、治理和持续采用。工时分析映射了约 300 项任务、90 个岗位,由大模型匹配智能体和任务,再由领域专家复核,智能体定义最初来自 Accenture 的项目。报告没有写数据采集时间,文中的口径日期都按报告发布日期标注。
案例只有一家:年收入 600 亿美元的客户是匿名的,报告没有写行业,也没有写这些估算是否已经部分实现。“约三分之二节省、三分之一规避”这一拆分只来自这一家企业,不能直接套到其他规模和行业。
引用的外部数字:GPT 5.2 在 1,320 项任务里有 71% 超过人类基线,以及 Gartner 关于决策自动化的预测(到 2028 年 15% 由智能体自主做出),都是报告转引的第三方结果,本文没有核对原始出处。人才重塑者的数据,本报告没有写明样本数和比较方法,只说相关概念在另一份报告《Talent Reinventors》里有详细展开,只能看作相关关系。
利益相关:Accenture 提供 AI 转型和人才相关的咨询服务,报告的结论(要自上而下定价值目标、重新设计工作)和它的业务方向一致,读的时候要把这层关系考虑进去。
反对意见:省出的时间不一定能转去做增长。销售机会和市场需求不会因为团队有了空闲就自动变多,产能过剩时降本反而是更现实的选择。报告关于“增长是主要价值来源”的判断,前提是企业有足够的需求去承接这些产能。
最容易被下一期数据改写的是“平均超过 50% 的工作时间会受到影响”这一条。它是按当前智能体能力校准的模型估算,智能体能力变化很快,下一期需要按新的能力重新校准;而且“受影响”不等于被替代,报告没有给出各行业被替代的比例。复核时先看它的口径有没有变化。
版权和用法:本文只引用短句和数字,图表按报告数字重画,没有复制原图;页首的封面缩略图来自原报告,仅作识别。报告由 Accenture 在官网公开提供,图中出现的“proprietary model”指 Accenture 的自有模型,不是使用限制。本文的发布日期取自 Accenture 官网报告页。
常见问题
报告说的“共同智能”是什么意思?
报告指 AI 从辅助单项任务,发展到能理解意图、协调步骤、在边界内执行工作,同时由人设定方向、划定边界、做取舍并对结果负责。
智能体省下的时间为什么不会自动变成增长?
报告认为相当一部分收益表现为释放的产能,而不是减少的成本。没有人主动把这部分时间转去做高价值工作,收益就只停在效率上。
应该先从哪个职能开始?
报告给案例企业的路线是先从销售职能起步,因为它收入机会最大,同时配好治理,再把同样的任务能力推广到其他职能。
为什么报告说价值和风险一起增长?
收入机会大的职能,往往也是涉及客户、定价和商业判断的高风险决策最多的职能,所以越早部署智能体的地方,越需要先设计好人工确认和问责。
报告里的数字能直接用来做预算吗?
不能。价值数字是完全成熟时的上限估算,案例只有一家匿名企业。先用自己团队的工时和再部署数据试一轮,再决定投入。
四周小试验适合什么样的团队?
适合写作、记录和分析类任务多的销售、方案和专业服务团队。以现场操作为主的团队,四周内很难看清实体智能体的效果。
SOURCE TRACE · 来源追溯
Accenture:The age of co-intelligence(2026)引用页:第 6 页 第 7 页 第 9 页 第 10 页 第 16 页 第 18 页 第 19 页 第 24 页 第 25 页 第 31 页 第 32 页 第 35 页 第 37 页 第 39 页 第 40 页核对 2026-11-21
接着读
沃顿与 GBK 第四年企业 AI 调查:用上 AI 已不稀奇,拉开回报差距的是怎么算账
八成经理及以上受访者报告 AI 有正回报,明显回报不到三成;只按效率算账的部门明显回报最少。数据是相关关系,先在一项已上线的用法上补一个增长类指标,试四周再决定。
Oliver Wyman:智能体让 AI 账单在运行时才定,预算既要能叫停,也要说得清钱花在哪,还要看收益进没进损益表
报告认为按人头和单点估计做的 AI 预算已经失效;它的调查显示,已把智能体投入日常运营的 CIO 多数设了上限,而全部 CIO 中能按团队看清消耗的只有三成。我们建议先在两三个智能体负载上试四周,再决定预算怎么改。
麦肯锡 B2B 调查:全渠道和电商已是门槛,领先者在个性化、AI 和 ABM 归属上拉开差距
报告把全渠道和电商称为新的“生存门槛”,差距出在门槛之上的三件事;数据是相关关系,先在少量重点客户上试四周再决定。
