文章总结： 本文探讨了AI智能体时代脱颖而出的三类人才：技术型赋能者需构建AI交互能力；纠偏者需结合领域知识监督修正AI输出；协作者需在流程前端明确业务目标以引导AI。核心结论是AI赋能而非取代人类。建议从业者应每日使用AI工具，将个人专长与AI结合，先通过小场景验证建立信任再全面推广，在人机协同中保持核心竞争力。 综合评分： 78 文章分类： 其他

根据科技领导者的观点，AI 智能体时代将脱颖而出的 3 类人

原创

Zdnet Zdnet

安全行者老霍

2026年7月30日 08:00 美国

在小说阅读器读本章

去阅读

作者：Mark Samuels 时间：2026年7月24日

未来的自主型企业正在建设之中。一些技能需求正在快速增长，并且可以帮助你脱颖而出。

AI 正在推动自主型企业的发展，在这种企业中，我们今天习以为常的一些角色–从基础运营任务到决策职责–将由能够发现、协商和执行交易的智能体完成。人们普遍担心，这种自主化时代将意味着专业人员的工作减少，尤其是在 IT 部门。

然而，正如我们最近看到的，未来的工作模式需要人类专业能力和 AI 能力之间的谨慎结合，专业人员需要与他们的智能体同事有效且高效地协作。那么，哪些技能能够帮助你在未来的智能体工作环境中脱颖而出？

专家认为，有三类专业人员将发挥关键作用：

• 技术型赋能者（tech-savvy enablers）
• 智能体纠偏者（agentic course correctors）
• 结果导向型协作者（outcome-focused collaborators）

1. 技术型赋能者（Tech-savvy enablers）

虽然人们高度关注智能体自主工作，但英国能源供应商 EDF UK 的高级企业数据产品经理 Alex Read 认为，要充分发挥 AI 的价值，需要强大的内部技术能力。

Read 的数据团队帮助企业内部超过 1,000 名用户利用 agentic AI。他的团队处于一种轮辐模式（hub-and-spoke） 模型的核心位置，其中数据和数字专业人员负责技术赋能，而业务部门则专注于创造价值。

“对于 AI 来说，上下文（Context）就是王道。”他告诉 ZDNET。“我们看到，我们的工程师在 agentic 和 AI-assisted experience 中承担的角色，是需要具备较高技能水平，构建能够与这些服务交互的外围能力。”

他的团队使用 Snowflake 技术，例如 Semantic Tables 和 Horizon Data Catalogs，来定义数据资产，并让 AI 智能体能够理解这些数据。随后，团队利用 Snowflake 的 coding agent CoCo，在其数据平台之上构建能力。

其中一个例子是一款帮助服务中心员工管理客户查询的工具。他的团队利用 CoCo 开发了一个智能体，该智能体从 Snowflake 数据平台获取信息，并将分析结果呈现在员工的 Slack 消息用户界面中。

“工程师所扮演的角色，是获取像 CoCo 这样的工具生成的内容，然后进一步增强它，或者根据需要进行调整，使其更加准确。”他说。

Sameer Vuyyuru，Capita 的 Chief AI and Product Officer，是另一位正在探索如何利用 agentic technologies 的数字化领导者–在这一过程中，具备技能的专业人员同样发挥着特定作用。

Capita 已经构建了 AI Catalyst Stack，该平台关注流程可观测性（process observability），并确定工作流自动化如何产生运营效率提升。

Vuyyuru 告诉 ZDNET，这些探索让他得出一个结论：专业人员现在必须提升自身技术能力，并寻找如何将自身专业知识与智能体工具结合的方法，从而创建能够产生业务价值的新一代服务。

“开始每天使用 AI。”他说。“当我们观察公司数千名员工时，我们已经进行了大量投入，让每个人都能够访问 AI 工具。而那些已经采用 AI 的员工–这部分人数量远超我的预期–都非常喜欢它，并且每天都在使用。”

2. 智能体纠偏者（Agentic course correctors）

然而，虽然专业人员可以通过使用新兴技术提升生产力，但 agentic AI 不能被允许完全孤立地运行。

EDF 的 Read 表示，优秀的 IT 专业人员会与业务中拥有深厚领域知识的主题专家（subject matter experts）合作，以确保智能体能够有效运行。

“虽然我会高度评价 CoCo 和 Semantic Tables 这样的工具，但组织内部仍然存在真正的专家，他们拥有 20 年或 30 年能源行业知识。”他说。

“成功的关键在于应用这些专家知识，帮助 AI 智能体变得更加高效和准确。然后，当出现技术挑战或者可能存在不准确情况时，你需要有人同时理解技术能力和领域能力，并进行纠偏。”

Rathbones Asset Management 的 Chief Operating Officer Stephen Wood 也表达了类似观点。他告诉 ZDNET，在智能体时代，无论是在 IT 部门还是业务部门工作的专业人员，都需要转向一种新的工作方式。

传统办公室中混乱、临时性的工作模式正在消失。在这种模式下，人们围绕任务工作，并努力实现项目目标。取而代之的是一种新的关系模式：专业人员负责监督他们的智能体同事。“如果你观察今天人类的工作方式，以及他们彼此协作的方式，它并不总是那么清晰。”他说，并指出协作流程具有复杂性。

“现在，我们真正希望看到的是这样一个世界：我们拥有了解自身领域的专家，他们是 human in the loop，并且他们承担最终监督和确认的职责。”

Wood 表示，这种监督方式自然适用于他所在的高度治理化、流程驱动型业务。不过，他也认识到，向智能体工作环境转型将给所有人带来重大挑战。

“这将是一种完全不同的工作方式。”他说。“因此，一定会存在一些摩擦，对吧？但最终能够生存下来的企业和个人，将是那些拥抱 agentic AI、理解它，并希望推动它发展到更高水平的人。”

3. 结果导向型协作者（Outcome-focused collaborators）

认识到 AI 的潜在力量只是起点。要拥抱智能体，必须具备对长期业务目标的强烈理解。Formula E 的 CTO Dan Cherowbrier 表示，具备这种方向感的专业人员将会脱颖而出。

“在我看来，这类人能够清晰理解他们希望实现的结果。”他说，并指出，拥有这些技能的人将帮助组织从 AI 中创造经济价值。“失败的公司将是那些基于人类、部门和孤岛式结构建立现有流程，然后尝试构建智能体来实现这些已有流程，而不是实现他们真正期望业务结果的公司。”

Cherowbrier 向 ZDNET 举了软件开发的例子，在这一领域，agentic AI 已经改变了传统实践。优秀的工程师会将专业能力集中在开发流程的早期阶段，为智能体指明正确方向，而不是等到流程后期才介入。

“如果从编写应用程序这个结果来看，过去专业能力通常是在最后阶段发挥作用–例如最后的编码，以及一定程度上的测试。”他说。“但现在有了智能体，这种专业能力需要在前端阶段发挥作用，也就是定义需求。如果你从一开始就无法理解需要完成什么，那么我认为你将会遇到困难。”

Freshworks 的 CTO Murali Swaminathan，同样强调了明确业务目标的重要性。

他向 ZDNET 表示，优秀的专业人员应该确保智能体能够交付正确的结果，然后再将技术应用到业务流程中。“确保它真正有效、可重复，然后再开启这项技术。”他说。“与其尝试一次性开启所有功能，最后发现它们无法工作，不如先尝试几个场景，把它们做好，建立信心和信任，然后再将服务推广给所有人。”

因此，智能体需要得到谨慎指导。Zoom 的 UK&I 负责人 Louise Newbury-Smith 表示，对于专业人员来说，好消息是：通过应用 agentic technology 实现经过验证的目标，将会是一个非常以人为中心（human-centered）的过程。

“你必须将自己投入到工作中。”她告诉 ZDNET。

“你必须为你正在开展的各种活动，以及你希望实现的目标，加入个人的价值和贡献。这意味着 AI 是赋能人类，而不是取代人类。对我来说，这种方式就是每个人保持相关性并创造未来的方法。”

https://www.zdnet.com/article/types-of-people-who-will-excel-in-ai-agent-era-according-to-tech-leaders/

（完）

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：安全行者老霍 Zdnet Zdnet《根据科技领导者的观点，AI 智能体时代将脱颖而出的 3 类人》