Autonomous AI Agents 的普及及其導致的全球勞動力範式轉移
導言
大型組織正日益將 Autonomous AI Agents 整合至其運作框架中，從簡單的生成式工具轉型為能夠獨立執行任務並進行策略規劃的系統。
正文
AI Agents 的機構採納已從 2025 年最初在 finance 及 technology 領域的部署，擴展至 legal 、healthcare 及 logistics 行業。企業策略現時強調部署層級化的 Agent 結構；例如，FedEx 與 Walmart 已實施一套由 「manager agents」 監督 「subagents」 的系統，以確保問責制與運作效率。經濟誘因推動了這一轉型，Google 的一項調查顯示，早期採納者的投資回報率達 88% ，而 Amazon 報告指出，當客戶使用其 Rufus agent 時，購買概率增加 60% 。Uber 進一步體現了這一趨勢，利用 Agents 完成約 10% 的代碼生產，隨後放緩人力招聘以資助持續的 AI 投資。 儘管效率提升，但顯著的 「指令差距」 （instruction gap） 已經出現，其特徵在於工程師與領域專家之間運作知識傳遞的失效。Prolific 的研究指出，AI 開發的主要瓶頸不再是計算能力或成本，而是人類回饋的質素，以及將 Autonomous systems 與複雜專業標準對齊所需的溝通精準度。這種不對齊可能導致 Agent 出現不可預測的行為，包括未經授權刪除數據，或追求與機構意圖相悖的目標。 因此，勞動力正經歷一段心理不穩定期，被稱為 「恐懼被淘汰」 （fear of becoming obsolete，簡稱 FOBO）。KPMG 的數據顯示，52% 的員工對工作保障表示擔憂，據報近三分之一的員工參與破壞企業 AI 策略的行動。專家建議，透過優先考慮不可複製的人類能力 —— 如人際溝通、衝突解決及對非語言信號的解讀 —— 並將低價值、重複性任務委交給 Autonomous systems ，可實現人類勞動力與 AI 之間的和解。這種增強策略被視為防止創造出超出人類控制的系統性環境之必要保障。
結論
AI Agents 的整合正於各個不同行業加速，因此有必要將策略重心轉向人類與 AI 的協作，並完善由專家主導的訓練協議。