Perplexity 最新发布的 AI 智能体应用数据显示，这类工具正以 “任务执行者” 的角色深度融入企业 workflows，接手复杂多步骤工作，推动生产力变革。过去一年，科技行业普遍认为生成式 AI 将从 “对话交互” 向 “行动执行” 演进 —— 大语言模型（LLMs）作为推理引擎提供决策支持，而 AI 智能体则作为 “执行抓手”，在最少人工监督下完成复杂任务。此前，行业对 AI 智能体的实际应用场景缺乏大规模数据支撑，多依赖推测框架或有限调研，而 Perplexity 通过分析其 Comet 浏览器与助手工具的数亿次交互，首次完成通用 AI 智能体的大规模实地研究，揭示了其在企业场景的真实价值与应用规律。
研究数据显示，AI 智能体的用户群体呈现鲜明的圈层特征：人均 GDP 与教育水平较高国家的用户，更倾向于使用这类工具；职业分布上， adoption 高度集中在数字密集型与知识密集型行业 ——“数字技术” 领域占比最高，28% 的用户与 30% 的查询来自该领域，紧随其后的是学术、金融、营销与创业领域，这五大领域合计占据超 70% 的用户总量。这意味着，企业中最核心、人力成本最高的群体（软件工程师、金融分析师、市场策略师等），正是 AI 智能体的核心用户。更值得关注的是 “超级用户”（早期获得使用权限的用户）的行为模式：他们的智能体查询量是普通用户的 9 倍，表明一旦 AI 智能体融入工作流，便会成为不可或缺的工具，凸显其对核心岗位的粘性。
长期以来，行业对 AI 智能体的认知存在偏差，普遍将其定位为 “处理日常行政事务的数字管家”，但实际数据彻底颠覆了这一观点 ——57% 的 AI 智能体活动聚焦于认知类工作，而非简单的事务性任务。Perplexity 研究团队构建的 “分层智能体分类法” 显示，AI 智能体的应用以实用为核心，“生产力与工作流优化” 是最主要场景（占 36%），其次是 “学习与研究”（占 21%）。多个企业实际案例印证了这一价值：采购专员借助 AI 智能体扫描客户案例研究，自主筛选相关应用场景后再与供应商对接，节省大量信息筛选时间；金融从业者将股票期权筛选、投资信息分析等任务委托给智能体，仅专注于最终决策环节。这些场景中，AI 智能体通过 “思考 – 行动 – 观察” 的迭代循环自主完成信息收集与初步整合，成为人类的 “思考伙伴”，而非单纯的 “工具执行者”，其核心价值在于 “放大人类能力”，而非替代低价值劳动。
AI 智能体对企业工作流的 “粘性” 与用户行为演进，为企业部署提供了关键参考。短期来看，用户存在强烈的 “主题内持续性”—— 若因某一生产力任务使用智能体，后续查询大概率仍集中在该领域；长期来看，用户行为会经历明显的 “认知迁移”：新用户初期多以低风险查询试水（如电影推荐、常识问答），但随着对工具能力的熟悉，查询会逐渐向生产力、学习、职业发展等认知导向领域迁移。一旦用户借助智能体完成代码调试、财务报告总结等复杂任务，便极少再退回低价值使用场景，其中 “生产力与工作流” 类别的用户留存率最高。这一规律提示企业，AI 智能体试点应预留用户学习周期，预期使用场景会从简单信息检索逐步升级为复杂任务委托。
AI 智能体的操作环境分布，同样为企业治理提供了重要依据。研究追踪发现，智能体的活动集中在企业常用核心平台：Google Docs 是文档与表格编辑的主要场景，LinkedIn 主导专业社交类任务，“学习与研究” 场景则分散在 Coursera 等课程平台与学术研究库。对首席信息安全官（CISOs）与合规官员而言，这一趋势带来了新的风险图景：AI 智能体不仅读取数据，还会在核心企业应用中主动操作数据 —— 例如，当员工指令智能体 “总结客户案例研究” 时，智能体需直接交互企业专有数据，且通过 API 对接外部应用或控制浏览器的行为，扩大了数据泄露防护的边界。但另一方面，高集中度的操作环境也为优化提供了方向：专业社交领域 96% 的查询集中在 LinkedIn 等五大平台，企业可针对这些高频场景定制治理政策或 API 连接器，快速提升效率。
结合补充信息，Perplexity 的 AI 智能体之所以能高效承接企业复杂任务，核心得益于三大技术支撑：一是分步执行能力，面对多维度需求时，能自主拆解任务、依次执行搜索与分析，再汇总生成结果，Pro Search 模式还支持代码解释器、Wolfram Alpha 等专业工具，满足即时计算与文件分析需求；二是自动化周期任务功能，企业可通过 “Tasks” 功能设定指令与执行时间，如每日生成市场监管新闻摘要、每周输出股票组合表现报告，自动交付专业决策参考；三是多模型适配优化，整合自研开源模型、GPT-4、Claude 3.5 等主流大语言模型，通过定制提示词与少样本示例技术，在控制成本的同时提升推理准确性。这些技术优势，使其能适配金融投研、多部门运营支撑、跨场景办公等多样化企业需求 —— 金融领域可完成资金流追踪、分红提醒等深度任务，中小企业能借助自然语言查询快速解决运营问题，大型企业则可通过其处理海量数据，生成定制化部门报告。
针对 AI 智能体的企业落地，研究提出三大核心行动建议：首先，企业运营管理者应审计高价值团队的生产力痛点与工作流瓶颈 —— 软件工程师、金融分析师等群体已自发使用智能体优化工作，将这些自发行为规范化，可实现效率提升的标准化复制；其次，需为 “人机协作” 现实做好准备，数据显示用户常将复杂任务拆解为子任务，仅委托智能体完成部分环节，这意味着未来职场需要员工掌握 “管理 AI 伙伴” 的技能，企业需开展针对性技能培训；最后，必须强化基础设施与安全防护 ——AI 智能体在开放网络环境中运作，需对接 GitHub、企业邮箱等平台，数据泄露防护边界显著扩大，企业需制定差异化政策，明确普通聊天机器人与执行代码、发送消息的智能体的安全权限差异。
市场预测显示，AI 智能体市场规模将从 2025 年的 80 亿美元增长至 2034 年的 1990 亿美元，Perplexity 的研究数据无疑为这一趋势提供了早期佐证。当前，由高数字素养员工驱动的 AI 智能体企业落地已全面启动，对企业而言，核心挑战在于如何把握这一变革 momentum，在释放生产力的同时，建立安全可控的治理体系。AI 智能体的崛起，不仅是工具的迭代，更是职场协作模式的重构 —— 人类与 AI 的分工将从 “人类执行、AI 辅助” 转向 “人类决策、AI 执行”，而率先适应这一转变的企业，将在未来竞争中占据先发优势。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/perplexity-ai-zhi-neng-ti-jie-shou-fu-za-qi-ye-ren-wu-chong
