當前大多數企業 AI 屬於狹義範疇:在固定情境中進行分類、摘要、預測或草擬。通用人工智慧(AGI)指的是能跨領域學習、規劃長期目標、適應陌生任務,並朝向既定目標而非預設步驟優化的廣泛能力系統。若能實現,這種能力將使 AI 從「任務助手」轉變為「目標追求的隊友」,改變策略如何轉化為工作及責任如何劃分。
未來路徑可能經歷幾個階段:更佳的工具使用、持續記憶、多代理協作及可信的自我評估。每個階段都減少對細節指令的依賴,增加對明確目標、政策限制及可審計結果的需求。對企業而言,設計問題將從「我們自動化哪些任務?」轉為「代理人擁有哪些目標?在何種守則下?以何種績效證明?」
隨著自主性增強,架構而非模型選擇成為關鍵差異。企業需要耐用的數據產品、檢索與規劃層、工具協調、代理評估機制,以及一個執行政策、安全和支出限制的控制塔。同樣重要的是運營模式的轉變,從基於職能的交接轉向結果單元——由小型人機團隊組成,擁有預算、服務水平協議及與商業價值掛鉤的透明指標。
這場轉型伴隨風險:決策路徑不透明、激勵錯配、多代理工作流中的連鎖錯誤,以及因無控調用模式導致的成本失控。解決方案不是等待,而是有紀律地試點:定義自主層級、監控每一步、預設紅隊與合規檢查,並建立有限範圍的用例組合,逐步形成適合 AGI 的運營模式。


