随着企业超越聊天机器人试点阶段，开始部署能够独立执行任务、管理工作流并与内部系统交互的AI Agent，一种新的技能分类法正在形成。从能源到资产管理再到专业服务，各个领域的技术领导者正在趋同于一个框架，该框架将三种不同的角色确定为AI Agent时代的关键。
第一类可以描述为技术赋能者，即构建和维护使AI Agent正常运行的硬件基础设施的工程师和数据专业人员。他们不是传统意义上的提示词编写者。他们的工作涉及设置数据管道、语义层工具和治理框架，Agent需要这些来产生准确、上下文感知的输出。英国的EDF等公司采用了中心辐射模式，中央技术团队构建Agent能力，然后业务部门根据其特定工作流程进行定制。Agent编排工具，包括Snowflake Semantic Tables、数据目录和自定义编码助手，构成了这些赋能者管理技术堆栈。
第二类是一些从业者所说的纠偏者：具有深厚领域知识的主题专家，通常在其领域拥有20至30年的经验，他们监督Agent的输出，并在AI产生不准确、不完整或上下文不适当的结果时进行干预。资产管理公司、法律部门和监管合规团队已开始围绕这种人机协作模式构建工作流程，即Agent进行初步处理，领域专家进行验证、纠正和签字确认。从临时监督到结构化Agent治理的过渡正在产生摩擦，特别是在AI驱动决策的问责制在法律上仍然模糊的受监管行业中。
第三个角色是成果导向协作者。这些专业人员不是自动化现有的孤立流程，而是定义Agent应该追求的的业务目标，并从这些成果出发逆向设计工作流程。这代表了技术专业知识应用方式的转变：在软件开发中，关键技能正从实施（编写代码、运行测试）转向规范定义——对期望结果的清晰定义决定了Agent能否有效执行。Formula E的CTO Dan Cherowbrier将其描述为理解”你想要实现的成果”，而不是从现有流程出发并尝试自动化它们。
三角色模式反映了公司评估人才的更广泛结构性变化。传统的技术流畅度仍然有价值，但溢价正在转向精准指定问题、根据真实世界知识验证AI输出、以及将Agent驱动的工作与可衡量的业务成果联系起来的能力。Freshworks的CTO Murali Swaminathan强调了一种”先建立信心”的方法：彻底测试，验证系统产生可重复的结果，然后扩展规模。Zoom的Louise Newbury-Smith将这个动态描述为AI增强而非取代人类贡献——只有当组织投资于使赋能安全的监督和治理结构时，这种区分才有意义。
BCG最近关于AI时代运营模式的报告强化了这一观点，认为围绕Agent中心化工作流程进行重组的公司正在看到可衡量的效率提升，但也必须大力投资于能够培养有效纠偏者和协作者的人才管道。Google Cloud的2026年AI Agent趋势报告同样得出结论，技能提升是Agent部署中”业务价值的终极驱动力”——这一发现与从业者经验中出现的三角色框架高度吻合。
来源：ZDNet（2026年7月24日）；BCG（2026年6月9日）；Google Cloud AI Agent Trends Report 2026；EuropeSays/ZDNet syndication（2026年7月24日）
婷 翻译