Pemerhatian Kes Penggunaan AI Agentik Peringkat Perusahaan: Daripada Penjanaan Kod kepada Automasi Interaksi Pelanggan

Agentic AI Peringkat Perusahaan: Laluan Nilai Perniagaan daripada Penjanaan Kod kepada Interaksi Pelanggan

Latar Belakang Industri: Daripada AI Generatif kepada AI Autonomi

AI peringkat perusahaan sedang mengalami peralihan paradigma yang penting: daripada penjanaan kandungan kepada pembuatan keputusan dan tindakan autonomi. Gelombang awal AI Generatif, selepas dilanda pelbagai jangkaan yang tidak realistik, semakin digantikan oleh AI Agentic yang lebih operasional. Berbeza dengan sekadar menjana teks, imej, atau kod, AI Agentic menekankan penglibatan aktif dalam proses perniagaan, dengan keupayaan membuat keputusan berdasarkan data masa nyata dan melaksanakan tugas pelbagai langkah.

Rodrigo Madanes, Ketua AI Inovasi Global EY, menyatakan bahawa ejen AI boleh disepadukan dengan lancar dengan sistem ERP, CRM, dan kecerdasan perniagaan, mengautomatikkan aliran kerja, mengurus analisis data, dan menjana laporan. Berbeza dengan teknologi automasi masa lalu, ejen AI boleh membuat keputusan masa nyata, menjadikan automasi proses sebagai kes penggunaan utamanya. Madanes berkata: "Ejen AI boleh mengautomasikan tugas berulang yang dahulunya memerlukan campur tangan manusia, seperti perkhidmatan pelanggan, pengurusan rantaian bekalan, dan operasi IT. Keistimewaannya terletak pada keupayaan untuk menyesuaikan diri dengan perubahan dan mengendalikan input yang tidak dijangka, tanpa penyeliaan manusia."

Kesan Pasaran: Peningkatan Kecekapan dan Penyusunan Semula Kos

Amalan pengguna awal telah mengesahkan nilai perniagaan AI Agentic. AI Receptionist (Resepsionis AI) RingCentral secara automatik mengendalikan 93% panggilan masuk untuk Integral Recruiting Services, dengan ketara mengurangkan gangguan kepada perekrut dan mempercepatkan penempatan calon. Dalam sektor runcit, 260 Sample Sale melalui ejen pemasaran Loomi dari Bloomreach mencapai peningkatan kadar penukaran 2.4 kali ganda dengan menyasarkan pelanggan berkehendak tinggi secara tepat. Angka-angka ini mendedahkan potensi besar ejen AI dalam mengurangkan kos operasi, meningkatkan kelajuan tindak balas, dan pemasaran tepat.

Sementara itu, Gartner meramalkan bahawa ejen AI yang lebih pintar akan menulis sebahagian besar kod dalam tempoh tiga tahun, yang akan memaksa kebanyakan jurutera perisian untuk meningkatkan kemahiran semula. Bagi perusahaan, ini bermakna model penyampaian IT mungkin mengalami perubahan asas, dan struktur kos buruh pembangunan perisian akan turut diselaraskan.

Analisis Empat Kes Penggunaan Bernilai Tinggi

Artikel CIO.com menyenaraikan 11 kes penggunaan yang berpotensi. Kandungan awam kini memperincikan beberapa senario berikut; kami menganalisis secara mendalam empat bidang yang telah menunjukkan nilai perniagaan yang jelas.

Pembangunan Perisian: Daripada Pengekodan Bantuan kepada Pengurusan Kod Autonomi### Pembangunan Perisian: Daripada Pengekodan Bantuan kepada Pengurusan Kod Autonomi

Pembantu pengekodan AI bukan lagi perkara baharu, tetapi ejen AI membawanya ke tahap yang lebih tinggi. Naib Presiden Eksekutif dan Ketua Produk Publicis Sapient, Sheldon Monteiro, percaya bahawa ejen pengekodan bukan sahaja menulis kod, malah terdapat ejen bebas yang menyemak ralat kod. Dengan rantai alat DevOps, ejen AI boleh secara automatik merekayasa balik kod daripada spesifikasi, atau menghasilkan kes ujian melalui kejuruteraan hadapan, dan mengesahkan artifak yang layak.

MITRE telah membangunkan ejen AI sendiri untuk pengurusan kod. CTO Charles Clancy menunjukkan bahawa ia paling berkesan dalam pengurusan repositori kod, contohnya membaiki isu binaan kod lama. Ejen AI akan memuat turun kod sumber dari sepuluh tahun lalu, cuba membina, jika gagal ia membaiki skrip binaan dan kod, kemudian menyemak semula ke dalam repositori, dan menandakan bahawa ia disiapkan oleh ejen AI.

Peningkatan RPA: Daripada Pelaksanaan Peraturan kepada Keputusan Dinamik

Automasi Proses Robotik (RPA) telah digunakan secara meluas, tetapi terhad kepada pemacu peraturan. Ejen AI pula dapat memberikan kecerdasan yang lebih tinggi kepada RPA. Monteiro menyatakan bahawa AI akan menggerakkan RPA daripada tingkah laku berasaskan peraturan kepada proses adaptif dan autonomi, meningkatkan kecekapan operasi secara ketara, membolehkan ejen memahami bila logik pengecualian berfungsi.

Saintis Penyelidikan IBM MIT AI Lab, Shae Khan, meramalkan bahawa banyak organisasi akan segera menggunakan AI untuk memperkukuh atau bahkan menggantikan RPA tradisional. Ejen AI akan mengendalikan tugas dinamik kompleks yang memerlukan keupayaan membuat keputusan, manakala RPA terus menjalankan proses peraturan yang berulang.

Automasi Sokongan Pelanggan: Daripada FAQ kepada Penyelesaian Masalah Kompleks

Chatbot tradisional hanya boleh menjawab soalan yang terhad, manakala ejen AI mampu mengendalikan tugas penaakulan pelbagai langkah dan tidak deterministik. CTO Genesys, Glenn Nethercutt, menekankan bahawa ejen AI mempunyai keupayaan untuk melaksanakan penaakulan dan tugas pelbagai langkah secara autonomi, serta dapat mengendalikan proses keputusan adaptif yang kompleks tanpa bimbingan manusia.

Sebagai contoh, pelanggan bank boleh berkata "ambil wang dari akaun dengan baki tertinggi saya dan pindahkan ke akaun cek." Chatbot tradisional tidak dapat memahami ungkapan kabur seperti "akaun dengan baki tertinggi", manakala ejen AI boleh menggabungkan konteks dan status akaun untuk menyelesaikan operasi tersebut. Keupayaan ini meningkatkan perkhidmatan pelanggan daripada soal jawab FAQ kepada pelaksanaan tugas sebenar.

Pengurusan Interaksi Pelanggan: Daripada Perkhidmatan Responsif kepada Operasi Proaktif

Ejen AI juga boleh menguruskan hubungan pelanggan secara proaktif, melangkaui skop sokongan tradisional. Syarikat kebolehcerapan data, Monte Carlo, telah membina sistem berbilang ejen untuk menyelia puluhan akaun tanpa pasukan pelanggan khusus. Ejen-ejen ini menganalisis penggunaan produk, data CRM, perbualan pelanggan, kemajuan on-boarding, garis masa pembaharuan, dan aktiviti sokongan, dan secara automatik memutuskan sama ada perlu membantu, mengembangkan, memperbaharui, atau menaik taraf.Platform e-dagang AI Bloomreach menggabungkan analitik, penjanaan kandungan, dan alat produktiviti menjadi ejen, mengenal pasti tingkah laku pelanggan, menyegmen khalayak, membina kempen pemasaran yang diperibadikan, serta mengoptimumkan masa dan saluran hubungan. Model pengurusan pelanggan proaktif ini sedang mengubah cara pasukan pemasaran dan kejayaan pelanggan beroperasi.

Landskap Persaingan: Siapa Mendapat Manfaat, Siapa Mengalami Tekanan

Kebangkitan Agentic AI sedang membentuk semula ekosistem perisian perusahaan. Pembekal aplikasi peringkat perusahaan seperti Genesys (platform pengalaman pelanggan), RingCentral (pembekal perkhidmatan komunikasi awan), dan Bloomreach (platform AI e-dagang) telah terlebih dahulu menyematkan fungsi ejen ke dalam produk mereka, sekali gus meningkatkan nilai platform masing-masing. Pada masa yang sama, firma perundingan seperti EY dan Publicis Sapient membantu perusahaan merancang peta jalan pelaksanaan, sekaligus memperluaskan perkhidmatan transformasi digital mereka.

Bagi pembekal RPA tradisional, tekanannya jelas kelihatan. Jika ejen AI akhirnya dapat mengendalikan kebanyakan tugas yang dahulunya dilakukan oleh RPA, produk RPA yang didorong semata-mata oleh peraturan mungkin menghadapi peminggiran. Penyedia perkhidmatan awan besar dan pembekal model AI juga akan menjadi penerima manfaat utama infrastruktur ejen, kerana operasi ejen memerlukan kuasa pengkomputeran asas, perkhidmatan inferens, dan sokongan data.

Sebaliknya, pasukan IT perusahaan mungkin perlu menanggung beban peningkatan kemahiran yang lebih besar. Ramalan Gartner membayangkan bahawa sebahagian besar kerja pembangunan kod pada masa hadapan akan dilaksanakan oleh ejen, dan sifat kerja pembangun junior akan mengalami perubahan yang drastik.

Cadangan untuk Perusahaan: Dari Mana untuk Bermula

Bagi perusahaan yang masih menunggu, pakar menyarankan untuk memulakan daripada proses yang matang, berulang tinggi, dan mempunyai asas data yang baik. Pembangunan perisian, sokongan pelanggan, operasi IT, dan operasi pemasaran adalah bidang yang kini mempunyai halangan pelaksanaan paling rendah. Perusahaan harus terlebih dahulu mengesahkan ROI ejen AI dalam proses pada satu titik, kemudian berkembang secara beransur-ansur kepada kerjasama merentas sistem.

Pada masa yang sama, perusahaan perlu mereka bentuk semula mekanisme tadbir urus dan pemantauan AI. Keputusan autonomi ejen AI bermakna keperluan untuk pagar perlindungan yang lebih ketat dan proses pengendalian anomali. Perusahaan harus mewujudkan sempadan tanggungjawab yang jelas sebelum pelaksanaan, memastikan kebolehjelasan dan pematuhan tingkah laku ejen.

Tinjauan Masa Hadapan: 12 Bulan, 24 Bulan, 3 Tahun

• 12 bulan akan datang: Perintis akan memberi tumpuan kepada kes penggunaan bernilai tinggi dan berisiko rendah, seperti bantuan kod dalaman dan pengagihan tiket sokongan pelanggan. Kebanyakan perusahaan akan menilai kebolehpercayaan, kos, dan isu pematuhan ejen.
• 24 bulan akan datang: Ejen AI dijangka disepadukan secara mendalam dengan RPA, ERP, dan CRM sedia ada, dan penggunaan berskala mula muncul. Sebahagian perusahaan akan mewujudkan jawatan operasi penyelenggaraan ejen AI.
• 3 tahun akan datang: Jika ramalan Gartner menjadi kenyataan, ejen AI akan menjadi komponen standard dalam penghantaran perisian dan automasi proses. Seni bina IT perusahaan akan beralih daripada "berpusatkan sistem" kepada "berpusatkan ejen", dan rangka kerja tadbir urus serta keselamatan akan semakin matang.Secara keseluruhan, Agentic AI bukan gembar-gembur, tetapi lompatan kritikal seterusnya dalam automasi proses perniagaan. Seperti yang dinyatakan oleh Monteiro: "Ini adalah evolusi semula jadi DevOps." Syarikat yang terlebih dahulu belajar menguasai ejen akan membina kelebihan struktur dari segi kos dan kecekapan.

Sumber Maklumat

Fakta artikel ini adalah daripada laporan CIO.com: Agentic AI: 11 promising use cases for business (Grant Gross & Maria Korolov, 23 Jun 2026).