2026年，AI agents 已从企业眼中的“新奇事物”变成了优先事项。德勤（Deloitte）8月发布的一项关于 agentic transformation 的调查显示，74%的企业领导者预计，未来四年内，几乎一半的业务流程将围绕 AI agents 重新设计；但只有16%的受访者表示自己已经做好准备。
作为 2026 年 AIQ 75 榜单的一部分，Fortune 寻找那些已经深入部署 AI agents、并在大规模自动化工作流的公司。今年的调查新增了几项专门聚焦企业内部 agentic AI 使用情况的问题。
在 agentic AI 排名靠前的公司中，Adobe、Freeport-McMoRan、Kyndryl 和 Salesforce 介绍了各自迄今为止的实践细节。它们广泛把 agentic AI 用于从开票、产品研究、软件工程，到员工和客户服务台等各类场景。这些公司都经历过失败、调整和实质性进展，并且都得出了相同结论：必须围绕一个具体业务问题展开；让技术和业务相关方一起参与；并且始终聚焦 ROI。
更少、但更聚焦的 agents
Kyndryl 首席信息官 Kim Basile 表示，她并不知道公司目前有多少工作流已经涉及 agentic AI。
“我说实话，第一年我们一直在数 agents，但这并没有告诉我真实情况。所以我们意识到，必须转向，真正去思考业务流程流转。”她说。
Salesforce 也做了类似调整。该公司把自己内部使用的 agentic AI 系统同样作为产品出售。负责 Salesforce 产品在内部运营中采用情况的高级副总裁 Andy White 表示，公司从最初的数百个 agents，转向少数几个它坚信能带来具体收益的 agents。他也不知道目前有多少 agentic 工作流已经落地，但知道这件事正在每个部门发生。
“我们一开始追得太多，结果注意力不够集中。”他说。
国际矿业公司 Freeport-McMoRan 没有那么多试错空间。该公司所处行业资本密集度极高，后端工作流往往关系到数百万美元级别设备的运转，因此从第一天起就把结果看得非常重。为了缩小范围、找出最能带来最大收益的环节，管理层首先看的是那些同时具备高频、人工密集、且依赖 agentic AI 擅长处理的数据流程的工作流。
Freeport-McMoRan 目前正在约 10 个领域部署 agents。高级副总裁兼首席信息官 Bert Odinet 表示，其中最突出的应用场景是销售发票处理。该公司的发票定价会随每批物料中含有的副产品而变化，因此流程特别复杂、数据密集。Odinet 称，在仅一条产品线中使用 agentic AI 处理约 5 亿美元发票、持续六个月后，公司已经实现了显著成本节约，并计划扩展到其他产品线。
衡量 ROI 到底意味着什么
Odinet 表示，Freeport-McMoRan 为每个 agentic 流程都设定了具体 KPI，以确保它们确实达成预期结果，并且“不会自欺欺人地以为这些 agents 已经成功了”。
Adobe 数字员工体验副总裁、AI 联席主席 Toni Vanwinkle 也强调，必须衡量预期结果是否真的发生。而且，这种衡量不能只停留在生产率或效率层面。
“它是否帮助你更快成交？是否因为你更了解客户而帮助你拿下客户？”她说，并补充说，关键在于节省时间之后的“那又怎样？”
例如，Adobe 用 agentic AI 重新设计了内部帮助台，该帮助台服务超过 3 万名员工。公司不仅关注 agentic AI 是否能更快关闭更多工单，还关注回复质量——答案是否准确、员工是否满意——以及这一流程是否为支持团队释放了产能。
这也是 Kyndryl 的一个重要成长点。Basile 说，公司最初把 agentic ROI 理解为削减成本，第一年重点看员工生产率，第二年看部门层面的效率。
“那不是正确答案。”她说，“我的意思是，当然，这肯定是 ROI 的一个重要组成部分，但我们真正需要的是调整思路，去想：‘我怎样才能为企业带来更多价值？我怎样帮助财务部门把结账时间从五天缩短到三天，然后利用多出来的两天为投资者做准备？’”
到了第三年，Kyndryl 现在更关注这些工作流本身的影响，尤其是它们如何贯穿整个组织并彼此衔接。
要重塑，必须两方协作
当 Salesforce 发现有些 agents 达到了预期，有些却没有时，公司管理层开始反思原因。除了那些 agents 并没有绑定到解决具体问题的情况外，他们发现，得到更多业务相关方支持的工作流明显更容易成功。
为了解决这个问题，公司现在把 IT 团队中的 agentic 构建人员与业务相关方配对，组成小型“快速创新小组”，并且每个业务单元都设有一个这样的团队。
White 说：“你必须和一个有主见、愿意打破自己组织现状的相关方合作，因为这本来就会带来冲击。”
例如，一个面向法务团队的快速创新小组，试图让公司的法律分流流程更高效——也就是把新案件分配给最合适、最有经验的律师来处理。White 表示，新的 agentic 流程把案件首次就被正确分配并解决的比例从 12% 提高到 34%，一年为公司节省了超过 35 万美元。
在这些公司中，Fortune 采访到的所有领导者都强调，如今比以往任何时候都更需要弥合 IT 与业务部门之间的鸿沟。White 说，事情并不是简单部署一个 agent 就结束了；它需要大量持续反馈、监督和不断改进，而这其中很大一部分要由业务团队承担。
Vanwinkle 也表示：“这就是我们对领导者的要求。‘这是一个我们需要你们真正投入的地方，你们就是帮助我们指明方向的人。’”
这在很大程度上是因为，正如这些领导者一致认为的那样，实施 agentic AI 需要从零开始重新构想工作流。如果直接把现有流程照搬去自动化，实际上可能适得其反。
Basile 说，Kyndryl 在推进 agentic AI 转型时犯过的最大错误之一，就是把更多精力放在自动化一个本来就没有经过充分验证的流程上。
“它本来就很笨重，但我们只是想把它自动化，结果并没有解决任何问题。反而让它更复杂了。”她说。
这也是为什么 Odinet 强调，要从不熟悉这些流程的人那里获得新视角，比如其他业务领域的人。职能相关方习惯于按既定方式做事，而有意识地退一步、问一句“为什么”，是需要刻意为之的。
“你需要聪明的思考者，”他说，“但你也希望他们能开放心态，重新思考整个流程。”
这篇报道属于 Fortune 的《Takeaways from the Fortune AIQ 75》系列，共五部分，探讨 Fortune 2026 年排名所揭示的企业如何运用 AI——从 agentic 工作流和行业专用应用，到大规模采用背后的运营模式。
