麦肯锡最新：Agent也要考核与淘汰，且由业务部门主导，不能丢给IT或HR

Agent已成为新型组织成员，需纳入绩效管理体系

8月26日，麦肯锡在其《McKinsey Talks Talent》播客中发布最新一期栏目，标题为：Your AI agents need performance management, too。（智能体也需要绩效管理）

整场讨论已跳出了企业要不要用AI、员工要不要学AI这些基础问题，而聚焦于一个具体的管理议题：当Agent逐渐进入企业的核心工作流，谁来管理它，谁为它的结果负责，怎么评价它的绩效，一个表现不好的Agent是否也需要被“淘汰”？麦肯锡在文章开头就提出：People依然是技术转型的核心，只是今天企业需要同时考虑人类员工和digital workers如何一起工作。

接下来要回答的是：公司有多少Agent，分别归谁负责，创造了多少价值，成本和风险由谁承担？当这些问题进入管理会议，Agent就成了新的组织管理对象。

管理对象正在改变：从 Human，走向 Human + Agent。

HR未来管理的，可能不再只有“人”

Brooke Weddle说：“HR is no longer managing the performance of just humans. It now manages digital workers as well.”

Agent上线不代表工作结束。它也可能表现不佳，需要持续调优，业务变化后还可能被停用。Kate Smaje进一步追问：企业对员工有岗位、培训、绩效和退出机制，为什么很少讨论“nonhuman labor”的绩效？

所以她提出三个非常具体的问题：How many agents do I actually have? Who is responsible or accountable for their performance? What value are they creating? 企业过去一直在讨论talent to value，也会计算Human Capital ROI，接下来同样需要开始讨论nonhuman workforce的ROI。

这个变化对HR的影响其实很大。未来做组织盘点，可能不只是看有多少人、多少岗位、多少关键人才，还需要看组织里已经部署了多少Agent，它们承担什么任务，与哪些岗位发生协作，替代了多少工作量，增加了哪些新的管理成本。甚至未来的人才盘点，很可能会逐渐演变成一张更完整的“Workforce Map”，上面同时存在Human Talent和Digital Talent。

谁管Agent？麦肯锡的答案是业务负责人，不是IT和转型部门

Agent越来越多，责任归属很快会成为现实问题：归IT、CTO、数字化部门，还是AI CoE？Kate Smaje的答案是使用Agent的业务负责人。财务Agent负责收入核对和月末关账，财务负责人就要同时管理流程中的员工和Agent。技术部门负责统一的护栏、标准和生命周期管理，业务部门对实际绩效负责。

这个观点对今天很多公司的AI建设方式有一个很大的提醒。现在常见的模式是业务提需求，IT开发Agent，完成上线之后交给业务。未来可能更像业务负责人同时拥有People、Process和Agent。

一位财务负责人管理的资源，也许不再只是30名员工，还包括几十个财务Agent；一位销售负责人管理的，也可能是销售人员加客户研究Agent、方案Agent、跟进Agent。管理者需要开始回答一批过去没有出现过的问题：这个Agent每天完成多少任务？准确率是多少？错误发生在哪里？调用成本多少？数据权限是否合理？业务价值是否大于运行成本？多久需要重新训练或更换？Kate甚至用了一个很有意思的词：abandonware。

一个六个月前还非常好用的Agent，今天可能已经成为风险，因为模型、流程、数据和业务要求都在快速变化。从这个角度看，Agent也需要招聘、配置、训练、绩效、发展和退出，只不过这些机制会以另外一种形式出现。

AI时代最值得重新发现的，可能是企业内部的业务专家

Kate Smaje提醒，很多领导者把人才转型理解成招聘AI专家，却低估了企业内部的业务专家。这些人熟悉客户、规则和历史经验，也拥有长期形成的pattern recognition。她引用一位客户的话：“It is far easier for me to teach my metallurgists AI than for me to teach my AI specialists metallurgy.” 教冶金专家学AI，比让AI专家重新学习冶金容易得多。

对传统企业来说，这句话很值得认真想。今天很多企业的焦虑是没有足够多的AI专家，但企业内部其实已经有大量潜在的“AI原生人才”：做了十年供应链的人，能够判断库存异常的业务逻辑；资深招聘专家知道怎样判断候选人的真实能力；销售经理熟悉客户决策链；财务专家知道哪些数据异常需要人工介入。

当这些人开始掌握AI和Agent，他们的价值可能比单纯懂模型的人更高。所以企业的人才策略也需要调整，与其只把AI人才理解成算法工程师、模型专家、Prompt高手，不如开始系统识别一批“业务专家+AI”的内部人才，他们很可能是推动工作流重构的核心力量。

别再只盯AI工具使用率，管理单位正在从“工具”转向“工作”

一些企业用Tool A、Tool B、Tool C的使用率衡量AI采用，Kate Smaje直接评价：“That’s a highway to nowhere.” 使用率解释不了工具完成了什么工作，更回答不了创造了多少价值。企业应该回到一个基础问题：What are the jobs to be done?

账号数、周活和培训人数适合观察早期采用，最终指标还要进入工作本身：多少任务被重构，人工交接减少多少，Agent承担多少工作量，周期和质量发生了什么变化。麦肯锡产品团队常说：“not AI that does it for me, but AI that does it with me.” AI和人一起完成工作。为此，他们花更多时间重新设计团队的rituals、habits和workflows，因为工具只会放大能力，价值还需要通过工作方式释放出来。

AI用得越深，还有一个新的组织问题：人的认知负荷可能上升

麦肯锡还观察到一个反常现象：一部分AI Superuser更加疲惫。AI拿走大量重复任务后，留下的工作集中在判断、复杂决策、问题解决和困难对话，对认知与情绪的消耗更高。 Kate Smaje说，他们看到“the cognitive load on AI superusers going up, not down.” 企业需要开始为一支面临不同认知要求的劳动力做准备。

这会进入岗位设计和组织健康的讨论。企业除了计算“节省了多少小时”，还要看这些时间被什么工作填满。员工是否在连续处理高强度判断？管理幅度、会议机制和恢复空间是否需要调整？AI生产力提高之后，人的工作结构本身也会变化，这部分现在讨论得还不够。

HR的下一站，可能是Human + Agent + Workflow

Bryan Hancock提到，一家私募股权公司的CEO把Chief People Officer改成了Chief Performance Officer。名称本身并不重要，角色已经在变化。HR过去管理组织、岗位、人才和绩效，接下来还要理解工作流、Agent、技术治理，以及Human与Agent的责任边界。

一些HR组织已经增加people technologists：他们能与技术专家协作，也能用low-code和no-code工具改造流程。未来HR会更多参与“工作系统设计”：哪些工作交给Agent，哪些判断留给人，一个岗位配置多少Agent，人的能力和绩效标准怎样调整。

整场对话最后，Kate Smaje用了一个新概念：Humanware。过去企业大量讨论Hardware和Software，接下来可能需要投入更多精力研究Humanware。她提出，当组织同时拥有“carbon and silicon employees”，管理者需要重新思考自己应该如何工作，怎样把人和AI组合成一套有效的工作系统。

因此，随着Agent不断进入企业后，需要补上一套管理机制：Agent Owner、Agent KPI、生命周期、风险边界、成本管理和人机责任分工。以后管理者会像盘点员工一样盘点Agent：公司有多少数字员工？谁负责？表现怎样？创造了多少价值？哪些需要培养，哪些应该退役？

当这些问题进入经营会议和管理会议，Agent才开始真正成为组织的一部分。