Google Cloud Consulting 在文中梳理了过去几年帮企业引入 AI 的实践经验。作者观察到，企业关注点正从“能回答问题的生成式 AI”转向“能完整执行工作的智能体系统”：智能体能制定多步计划，并从头到尾管理一个项目。预算、算力和工具可以启动智能体项目，但企业级落地真正依赖的是文化层面的刻意建设——员工要有意愿去试，领导要让大家看清智能体对岗位意味着什么。

文章提炼出五条实用经验。第一条是重设计工作流，让流程变成“智能体执行、人类主导”。多数企业流程像接力赛：一个人完成任务、检查，再交给下一个人。在旧流程上叠加 Agent，只是让某一棒跑得更快，交接仍会卡住。更有效的做法是改成 human-in-the-lead，即智能体干活、人定方向并对最终结果负责。一个 Agent 可以同时检查产品库存、信用额度和合同文件，并行处理依赖。流程稳定后，智能体吸收常规确定性交易，只有模糊或高判断场景才转给人工。

第二条解决信任问题。作者认为最大障碍是信任：员工担心价值被取代，也怕 Agent 出错后担责。建议把 Agent 当新来的初级团队成员：主动分配任务、划定范围、检查工作是否准确；明确哪些决策 Agent 可以自主做，哪些必须人工签字。信心来自熟悉，建议先用低风险场景（如安排内部会议）建立团队信心，再进入高风险场景（如财务预测）。

第三条管好人与 Agent 的混合团队。要跨团队在工具层和任务层拆解流程，用端到端视角确定哪些环节适合交给智能体，并按技术可行性和业务影响排优先级。混合团队中表现好的人，往往是善于引导 Agent 的人，要奖励那些会审计 Agent 推理、发现其逻辑偏离公司目标的行为。同时要教团队如何与 Agent 协作，把人解放出来做创造性工作和决策。

第四点把实验能力变成组织素养。Agent 选择最可能的路径而不是遵循确定性规则，团队必须知道它的逻辑会在哪里失效、为什么失效，才能判断何时该信、何时该查。作者建议给业务角色与技术人员同样的沙盒权限，并鼓励“有价值的失败”：团队做的 Agent 因为数据不准确而失败，反而能让团队真正理解数据准备的重要性。

第五条是治理模式。企业级推广需要集中护栏，但不能拖慢一线团队。作者推荐 hub-and-spoke：中央 AI 委员会定规则、维护伦理护栏、管理已批准的工具库，避免重复造轮子；各团队在共享基础上按需调整、快速试验并反馈。Google Cloud Consulting 内部用 Agent Catalog 分享低代码 Agent，但复制这套模式不一定要自建平台：用内部网页应用过滤员工制作的 Agent，用 Gemini Enterprise 的 Agent Gallery 发布共享，或直接与技术团队合作定制。

最终，作者强调以人优先。给团队系统和护栏，让他们快速行动；给他们试验空间；用领导力推动问责。目标是让人的创造力和智能体互为放大器。