OpenAI 最新的《Enterprise Signals》顯示，企業 AI 正從輔助工作邁向執行任務，但各企業的進展速度差異甚大。前沿企業（AI 使用量位居最高 10% 的企業）目前每名活躍用戶產生的輸出 token 數量是一般企業的 8.3 倍，高於一月的 2.6 倍。差距日益擴大，反映更深層的營運轉變：領先企業把智能代理連接至公司背景資料和工具，委派更實質的工作，並讓成功的工作流程更容易重複運行。
對管理層而言，挑戰在於把這種深度應用轉化為人們能夠信賴、衡量和改進的工作。管理層也應預留試驗空間，包括嘗試初次使用時價值並不明顯的應用場景。
初創企業 Basis（在新視窗中開啟）、Clay（在新視窗中開啟） 和 Exa Labs（在新視窗中開啟） 已把智能代理融入員工入職、客戶管理和開發者生態系統拓展。三者的工作流程各有不同，但演進路徑值得借鑑：先教智能代理執行一套穩定流程，再於工作變更時為其提供持續更新的背景資料，然後讓它把機會轉化為經測試的行動。
這些例子共同展示團隊如何把智能代理融入熟悉的工作，並持續改進流程。
長久以來，入職流程對僱主和僱員而言都相當繁瑣。Basis 為會計師事務所開發 AI 智能代理。如今，其首日入職流程由兩小時縮短至 30 分鐘，讓人力資源團隊有更多時間介紹公司文化和提供支援。
入職首日，員工可立即使用 Codex，以及專為公司設計的入職技能（針對特定工作流程、可重複使用的一套指示和資源）。Codex 會歡迎新員工、介紹公司的重要概念，並在背景使用其電腦完成整合設定。如出現重複問題或例外情況，人力資源團隊可在下一批新員工入職前更新該技能。
Basis 示範一次入職流程後，便把它轉化為可重複使用的技能，當中具備明確的觸發條件、已知步驟、適當的工具存取權限，以及清晰的「完成」定義。流程不再取決於個別人員是否有空，但團隊仍可介入處理例外情況或複雜問題。現在，入職流程更一致、可重複運行，也更容易改進；新員工亦能立即掌握與 AI 協作的模式。
Clay 致力為市場進入團隊建立自我學習的營收引擎，也面對常見的銷售難題：攸關交易成敗的關鍵背景資料散落於 CRM 記錄、電郵、Slack、通話、簡報、短訊，以及與內部團隊和客戶方倡導者的各類溝通對話之中。
為維持背景資料的即時性，Clay 一名市場進入工程師嘗試了一項更理想的方案：為每個客戶建立持續運作的工作區和專用子智能代理。每個子智能代理都會審閱第一手資料，並在夜間更新交易資料夾。每天早上，協調智能代理會綜合她所有客戶的最新資訊，整理出簡短的優先行動清單：回答客戶懸而未決的問題、填補採購委員會的聯絡缺口，或提供讓潛在客戶重新接洽的理由。
據 Clay 表示，這套工作流程每晚可為她節省約一小時電郵整理時間。每日優先事項有助她落實各項細微行動；在漫長的企業銷售周期中，這些行動能累積成效。每項建議都附有相關佐證，讓銷售人員可在行動前查閱第一手資料。在遵守現有客戶權限的前提下，企業可把這些共享背景資料擴展至客戶經理、業務開發代表、解決方案工程師和銷售主管等不同崗位。
Clay 展示不斷演變的工作要擴大規模，需要具備甚麼條件：一致的結構、實用的更新頻率、共享佐證，以及在採取行動時運用人類判斷。
Exa Labs 為 AI 智能代理建立網絡搜尋基礎設施，並希望讓開發者可在任何適用之處使用其搜尋 API。團隊把這項目標稱為「Exa 無處不在」。過往，要實現這個目標，開發者關係和客戶團隊必須監察程式碼庫及更廣泛的生態系統、識別具潛力的整合機會、蒐集相關背景資料，並協調跨系統工作。儘管機會各有不同，從發現到實施的路徑卻遵循一致的次序。Exa 把這套次序轉化為 Codex 的明確工作流程，設定清晰的優先次序、提供必要資料來源的存取權限，並規定任何內容推出前均須經人工審查。
Codex 現可監察高優先度的整合機會、蒐集相關背景資料、建立 pull request、執行測試，並使用 Slack 和 Notion 等資料來源準備每週更新。在合適情況下，它亦可草擬下一步內容，包括撰寫初步公告，供團隊審閱。這套工作流程將一項機遇從最初的潛在訊號，直接推進至經測試驗證的成果產出，同時大幅減少跨研發、工程與傳訊團隊之間的交接摩擦。
哪些機會至關重要、Exa 應作出哪些承諾，以及如何管理外部關係，仍由人員決定。測試和審查節點讓智能代理的工作在推出前清晰可見。測試結果和人工審查可協助團隊找出下次運行前需要調整工作流程之處。工作影響越重大，權限、佐證和決策權在工作流程設計中所佔的比重就越大。
Basis、Clay 和 Exa 共同以實際營運方式，呈現我們在《Enterprise Signals》中觀察到的模式。Basis 把經實證的流程轉化為可重複使用的技能。Clay 為智能代理提供背景資料和持續運作能力，使不斷演變的工作內容保持最新狀態。Exa 加入工具、測試和審查，讓智能代理可把訊號推進至有明確界限的執行階段。三者都把改進納入工作流程：入職流程的例外情況可反映技能需要完善之處；新的客戶活動和銷售人員的驗證使交易背景資料保持最新狀態；測試和人工審查則可進一步釐清日後執行工作的界限。每個例子都從一項具體工作開始，並預留充足的測試空間。分工會在實際使用中逐漸清晰，而隨着工作流程證明成效，承擔的責任亦會擴大。
隨着前沿企業的差距擴大，企業管理層需要讓員工有空間測試影響重大的工作流程、衡量成效，並把最成功的試驗轉化為可重複實踐的做法。
- 選擇一個影響重大的價值切入點。先選擇一套端到端工作流程，涵蓋策略優先事項、系統、工作交接、管控措施和可量度的成效。流程應頻密重複，足以從中學習，同時亦要足夠重要，值得重新設計。
- 界定成果及其衡量方法。明確指定負責人、KPI、基準和防護機制。透過已完成任務、已連接的背景資料和工具、例外情況及審查工作量，追蹤應用深度。透過周期時間、品質、成本、收入或風險追蹤價值。輸出量可顯示人們是否要求 AI 處理更多工作；工作流程成果則反映這些工作是否帶來實際成效。
- 撰寫智能代理的職責說明。界定工作觸發條件、預期成果、所需背景資料、工具、權限，以及智能代理應持續推進工作至完成的程度。指定它必須提供哪些佐證，以及必須在哪些節點停止並接受人工審查。
- 圍繞智能代理建立人員協作體系。讓最熟悉工作流程的人員參與設計過程。明確指定業務成果、領域邏輯、存取權和管控、採用推廣及日常使用的負責人。初創企業可由少數人兼負這些職責；企業則需在工作流程擴大時明確劃分決策權。
- 讓試驗成果清晰可見並可重複使用。OpenAI 的研究發現，採用相關工具六個月後，職涯初期員工每週發送的訊息比高級管理人員多 13 則。讓員工有空間測試新的應用場景，然後記錄有效做法背後的流程和佐證，並把它們製作成技能、外掛程式或共享工作區。對話、工作和 Codex（在新視窗中開啟）支援不同模式：對話適合提問和快速協作；工作適合多步驟知識工作和製作完整成果；Codex 則適合執行技術工作。
- 延續有效的營運模式。保留行之有效的背景資料、權限、評估、審查節點、負責人、衡量指標和支援措施，再把它們應用於下一個價值切入點。每項新試驗都應為下一個團隊提供更佳起點。
