眼下，生成式AI不仅是技术热词，更是企业焦虑的源头。绝大多数企业陷入了“高投入、低产出”的困境。因为它们试图用旧世界的地图，去寻找新大陆的宝藏。

我们正处于从“确定性世界”向“概率性世界”的剧烈转型期。自工业革命以来，管理学的核心一直是为了消除不确定性，追求标准化的输出。然而，Agent系统的本质是概率性的。如果管理者继续试图用Excel表格和确定性流程来约束Agent，注定无法释放其真正的价值。

正如亚马逊云科技全球技术、AI分析与企业战略负责人Ishit Vachhrajani所阐述的，要在“Agentic AI世界”中突围，企业必须进行领导力重构，此外，还需要在组织架构和数据战略等维度进行彻底的重塑。

团队结构进化：打破“变革与运行”的二元对立​

在传统IT思维中，我们习惯将团队分为“变革”团队和“运行”团队。云计算打破了这种模式，而Agentic则彻底摧毁了它。因为Agent系统需要高度的可观测性和持续的语境工程，这种割裂会导致系统失效。​

1.24×7待命模式的颠覆​。传统的运维是：报警响了→人员被呼叫→人员调查→人员修复。​Agentic AI时代的运维是：AI Agent收到警报→AI调查并提供根因分析→人类工程师审核并决策→AI执行修复。​

这一模式不仅大幅缩短了故障响应与修复周期，更将运维人员从重复繁琐的应急处置中解放，使其聚焦于更具价值的系统优化与能力建设。

2. 从“构建者”到“编排者”​​。随着像Kiro这样的工具普及，开发人员的角色正在发生质变。以前，开发者是代码的“构建者”；现在，他们必须成为“编排者”。这一转变是痛苦的，特别是对于那些习惯了手写每一行代码的技术人员。同时，利用Amazon Bedrock AgentCore，团队可以获得将Agent投入生产环境所需的一切支持。

但这也催生了新的工作模式——规范驱动开发（Spec-driven Development）。通过清晰定义的规格文档，让人专注于逻辑和架构，让AI完成繁重的编码工作。这不仅提高了效率，更将纪律性引入了非确定性的开发过程中。

并没有一个完美的、静态的组织架构能适应所有业务。亚马逊云科技的组织发展团队通过研究发现，表现卓越的企业往往根据业务生命周期的不同阶段，动态调整其运营模式。这涉及到三个核心张力的平衡：资源配置、速度、连接。何时该通过共享资源追求规模效应，何时该使用专用团队？是追求“一致性”还是“灵活性”？是建立相互依赖的协作系统还是独立的自治单元？

业务场景和成熟度不同，需求也不尽相同。通常来说，初创业务偏向“深度”（灵活性、定制功能），随着业务成熟，会转向“广度”（一致性、规模经济）。

以业务生命周期为例，在第一阶段即启动期，应采用独立的、全功能的小型专用团队，以达到速度最大化。在第二阶段的成长期，则应以标准化流程支持规模化扩展，同时保持灵活性。到了第三阶段成熟早期，需要引入水平平台团队来提供核心基础设施，同时保留垂直产品团队负责客户特性，平衡标准化与灵活性。第四阶段完全成熟期，则应强调通过共享服务实现优化和效率。但这一阶段也是最脆弱的阶段，因为卓越的执行力往往反而成为阻碍变革的枷锁。所以，到第五阶段的更新/转型期，面对忠诚客户和新细分市场，需要复杂的双重运营模式，一方面通过自动化和共享服务维持核心业务的高效，另一方面建立类似初创企业的团队去探索新方向。

总之，只有根据业务阶段非对称地分配人类和AI资源，企业才能在保持效率的同时不丧失创新能力。

数据战略：被忽视的“关键缺失层”

在AI世界中，数据的重要性呈指数级上升。然而，现实是许多企业的数据依然被锁定在遗留系统中，甚至困在PDF文件和员工的大脑里。

目前误区在于过度关注数据科学家，忽视数据工程师。据北美IT领导者的报告，55%的人表示招聘数据工程师很困难。AgenticAI时代，数据工程师构建的管道是Agent的生命线。

此外，一个新的关键角色正在浮现：语境工程师。这并非简单的提示词工程，而是理解业务语境、数据血缘以及系统间复杂关系的“专家通才”。随着小模型（SLMs，例如2万参数的模型）在特定任务中展现出比大模型（LLMs）更高的性价比和效率，语境工程师将决定企业能否精准、低成本地调用AI能力。​

投资“Zero-ETL（亚马逊云科技提出的云原生数据集成技术方向）”未来，减少数据移动的摩擦，将是企业技术战略的重中之重。​

实战案例：

丹麦银行的 从追赶到领跑”​​

理论必须落地。拥有150年历史的丹麦银行（Danske Bank）提供了一个令人信服的样本。作为一家已将850个应用迁移至亚马逊云科技云端的银行，他们不仅完成了基础设施的现代化，更在向“AI First”（AI优先）银行转型。

丹麦银行并未停留在概念验证（POC）阶段，而是通过“十大必赢项目”（10 Big Wins，曾被称为战略押注），推动AI落地。​

研发效率质变：AI编程助手的引入，使变更交付周期缩短了50%。更重要的是，开发者的工作重心发生了转移——过去有35%的时间写代码，现在这一比例大幅下降，更多时间用于解决复杂问题和创新。​

Agent实战：部署了一个名为“Cloud Buddy”（云伙伴）的可靠性工程Agent。这个Agent虽然不直接执行操作，但能辅助进行日志分析和故障排查，成功将故障分诊时间减少了75%，并提高了根因分析的准确性。

文化变革：面对“我是否会被取代”的员工焦虑，采取了激进的文化策略，比如举办生成式AI黑客马拉松，并承诺获胜项目一定会投入生产。最终获胜项目“Checkmate”不仅已上线，而且成为内部团队的日常工具。这种“行动胜过完美”的态度，有效打破了内部观望和抵触的坚冰。​

AI不会取代你的工作，但使用AI的人会。对企业而言同理：AI不会淘汰你的公司，但那些率先构建起“智能体原生”组织的竞争对手，一定会。

Jonathan Allen是亚马逊云科技全球企业战略总监。

Stephen Brozovich是亚马逊云科技全球企业战略总监。

216.73.216.13