Model Kematangan AI Agent: Peringkat Merangkak, Berjalan, Berlari dalam Penggunaan

Model kematangan AI agent mengelaskan penggunaan agent sesebuah organisasi kepada tiga peringkat: merangkak, iaitu satu agent yang diselia membuktikan konsep; berjalan, iaitu beberapa agent yang ditadbir beroperasi merentas lebih daripada satu pasukan; dan berlari, iaitu agent beroperasi sebagai armada yang diselaraskan dan tertanam dalam cara perniagaan benar-benar berjalan. Kebanyakan syarikat menyifatkan diri mereka sebagai "menggunakan AI agent" tanpa menyatakan yang mana satu daripada ketiga-tiga itu, dan kekaburan itulah yang membenarkan projek agent dibiayai, kemudian terbantut secara senyap. Model ini memberikan anda isyarat sebenar bagi setiap peringkat, supaya anda dapat menamakan kedudukan anda yang sebenar dan bukan kedudukan yang dikatakan oleh slaid pembentangan.

Mengapa Kematangan Lebih Tepat daripada Penggunaan sebagai Soalan

Penggunaan bertanya sama ada anda menggunakan agent langsung. Kematangan bertanya sejauh mana penggunaan itu sebenarnya pergi, dan jurang antara kedua-dua soalan itu amat besar. Tinjauan State of AI 2025 oleh McKinsey mendapati bahawa 88% organisasi menggunakan AI dalam sekurang-kurangnya satu fungsi perniagaan, dan 62% berada di suatu tempat pada laluan agentic AI secara khusus: 23% mengskalakan agent di suatu tempat dalam perniagaan, 39% bereksperimen. Tetapi dalam mana-mana satu fungsi perniagaan, McKinsey mendapati tidak lebih daripada kira-kira 10% organisasi mempunyai agent yang berjalan pada status berskala sebenar. Kebanyakan angka penggunaan utama itu masih merangkak atau awal berjalan, bukan berlari, apa pun yang tersirat daripada slaid AI carta organisasi. Agentic AI pada 2026 merangkumi gambaran penggunaan penuh itu merentas pasaran. Halaman ini pula tentang apa yang sebenarnya membezakan peringkat-peringkat itu setelah anda melepasi "kami menggunakan agent di suatu tempat."

Merangkak, Peringkat 1: Satu Agent, Diselia Rapi

Merangkak kelihatan seperti satu agent yang sempit, dimiliki oleh satu pasukan, biasanya dibina atas platform no-code kerana tugasnya berbentuk templat dan bukan baharu. Sesuatu seperti AI Reply Agent atau AI Meeting Scheduler Agent ialah binaan pertama yang tipikal: skop terhad, peraturan jelas, risiko rendah jika ia tersilap. Semakan manusia berada rapat dengan setiap tindakan, dan kejayaan pada peringkat ini bukan "adakah ia menjimatkan wang," tetapi "adakah ia berfungsi, dan adakah kami membina kepercayaan serta jejak audit yang mencukupi untuk meluaskan skopnya kelak." Senarai semak kesediaan dalam bila hendak menggunakan AI agent dan peningkatan mod bayang dalam menggunakan AI agent ke pengeluaran kedua-duanya berada dalam peringkat merangkak, diterapkan pada tepat satu agent. Kematangan ialah jam yang lebih perlahan yang berjalan di bawahnya: berapa kali anda telah melalui peningkatan itu, dan apa yang anda kekalkan daripada setiap kali.

Tinjauan 2026 State of AI in the Enterprise oleh Deloitte menunjukkan kebanyakan pasaran berada tepat di sini. 30% organisasi masih meneroka agentic AI dan 38% sedang melaksanakan pilot, manakala 35% melaporkan langsung tiada strategi agentic AI yang rasmi. Jika itu anda, anda tidak ketinggalan. Anda berada di tempat kebanyakan pasaran sebenarnya berada, apa pun yang tersirat daripada pembentangan vendor.

Berjalan, Peringkat 2: Ditadbir, Boleh Diulang, Merentas Fungsi

Berjalan berbeza dari segi jenis, bukan sekadar bilangan. Ia bukan "lima pilot peringkat merangkak berjalan serentak." Ia ialah segelintir agent, biasanya antara tiga hingga lapan, beroperasi merentas dua atau lebih jabatan, dengan pemilik tadbir urus yang dinamakan dan corak pagar pelindung yang digunakan semula dan bukan dicipta semula untuk setiap binaan baharu. Jenis-jenis AI agent mula penting di sini dalam amalan, bukan sekadar dalam teori, kerana pasukan peringkat berjalan sengaja memilih tahap autonomi dan seni bina bagi setiap tugas dan bukan terus menggunakan apa sahaja yang digunakan oleh agent pertama. Disiplin kos turut muncul: tuas caching, penghalaan, dan bajet dalam pengoptimuman kos AI agent tidak lagi pilihan apabila anda menjalankan cukup banyak agent sehingga satu yang tidak dioptimumkan benar-benar kelihatan dalam bil.

Isyarat paling jelas bagi peringkat berjalan, bagaimanapun, ialah pengukuran. Pasukan peringkat merangkak boleh lepas dengan "nampaknya ia membantu." Pasukan peringkat berjalan mempunyai garis asas, menjejak metrik utama dari minggu ke-4 dan seterusnya, dan boleh menunjukkan angka sebenar, disiplin yang dibincangkan dalam ROI AI agent. Data Deloitte meletakkan kira-kira 14% organisasi pada titik "penyelesaian sedia untuk digunakan" yang paling hampir dengan awal berjalan, jauh lebih sedikit daripada 68% yang masih meneroka atau melaksanakan pilot pada peringkat merangkak.

Berlari, Peringkat 3: Armada, Diorkestrakan, Tertanam

Berlari ialah titik di mana agent berhenti menjadi kumpulan projek individu dan mula menjadi lapisan kapasiti yang dirancang oleh organisasi. Sistem multi-agent menjadi lazim di sini, bukan kerana orkestrasi kedengaran canggih, tetapi kerana kini wujud cukup banyak agent yang berbeza dan tertadbir dengan baik sehingga merantaikannya, seperti agent pemarkahan lead menyerahkan kepada agent penghalaan lead, yang menyerahkan kepada agent susulan, sebenarnya mengatasi membina satu agent yang lebih luas dari awal. Pemilikan biasanya dirasmikan menjadi struktur seperti AI Center of Excellence, dan tadbir urus berhenti menjadi senarai semak yang dilekatkan pada setiap agent baharu dan menjadi seni bina: dibina ke dalam cara mana-mana agent baharu dispesifikasikan sejak hari pertama. Berlari juga ialah tahap di mana tenaga kerja agentic menjadi gambaran sebenar tentang cara organisasi berfungsi, bukan frasa aspirasi dalam memo strategi.

Ramalan Gartner pada Jun 2025 memberikan gambaran tentang di mana siling terletak: 15% keputusan kerja harian akan dibuat secara autonomi melalui agentic AI menjelang 2028, meningkat daripada 0% pada 2024, dan 33% aplikasi perisian perusahaan akan merangkumi agentic AI menjelang 2028, meningkat daripada kurang 1% pada 2024. Organisasi peringkat berlari ialah yang sebenarnya menolak ke arah siling itu hari ini. Mereka masih jarang. Deloitte mendapati hanya 11% organisasi sedang menjalankan agentic AI dalam pengeluaran sekarang, walaupun 74% menjangka menggunakan agent sekurang-kurangnya pada tahap sederhana menjelang 2027, 23% secara meluas, dan 5% menjangka agent menjadi bahagian teras operasi yang tertanam sepenuhnya. Trajektorinya pantas. Populasi semasa pada peringkat berlari adalah kecil.

Penilaian Kendiri: Peringkat Mana Anda Sebenarnya

Gunakan lima dimensi di bawah sebagai semakan praktikal. Dimensi yang paling lemah biasanya menentukan peringkat kematangan sebenar anda, walaupun dimensi lain kelihatan maju.

Nilai diri anda dengan jujur pada kelima-lima dimensi, bukan hanya yang memuji anda. Pasukan dengan seni bina bertaraf berlari tetapi tadbir urus bertaraf merangkak tidak berada pada peringkat berlari. Ia berada pada peringkat merangkak dengan lebih banyak bahagian bergerak, dan lebih banyak pendedahan.

Kesilapan yang Melangkau Satu Peringkat

Kegagalan yang paling lazim bukan kekal di peringkat merangkak terlalu lama, walaupun itu juga berlaku. Ia ialah melompat terus dari merangkak ke berlari: membina sistem multi-agent atau memberikan agent autonomi yang luas sebelum asas peringkat berjalan, pemilik tadbir urus yang dinamakan, pagar pelindung yang digunakan semula, model kos yang sebenar, wujud di mana-mana dalam organisasi. Sistem multi-agent jelas bahawa agent tambahan menambah permukaan penyelarasan, dan permukaan penyelarasan ialah tempat jurang tadbir urus bersembunyi. Ramalan Gartner bahawa lebih 40% projek agentic AI akan dibatalkan menjelang akhir 2027 menamakan kos yang meningkat, nilai perniagaan yang tidak jelas, dan kawalan risiko yang tidak memadai sebagai punca utama, dan ketiga-tiganya muncul secara tidak seimbang dalam projek yang melangkau peringkat dan bukan yang melaluinya secara bertahap.

Kegagalan yang lebih senyap berlaku ke arah bertentangan: kekal di peringkat merangkak tanpa had. Pilot tunggal yang diselia yang tidak pernah mendapat agent kedua, tidak pernah mendapat pemilik bernama, dan tidak pernah diukur melebihi "adakah ia berfungsi" sebenarnya tidak mengurangkan risiko apa-apa. Ia menangguhkan keputusan sebenar. Jika agent anda telah berada dalam pilot selama dua suku tahun dan tiada siapa dapat memberitahu anda kos setiap tugas yang selesai, anda bukan berhati-hati. Anda telah terbantut, dan ROI AI agent membincangkan dengan tepat jurang pengukuran ini dan cara menutupnya sebelum pilot yang terbantut dihentikan pembiayaannya secara senyap kerana kekurangan kes perniagaan yang tidak dibina oleh sesiapa.

Fakta Utama

• Tinjauan State of AI 2025 oleh McKinsey mendapati 88% organisasi menggunakan AI di suatu tempat dan 62% berada pada laluan agentic AI (23% mengskalakan, 39% bereksperimen), tetapi tiada satu fungsi perniagaan pun menunjukkan lebih daripada kira-kira 10% organisasi pada status berskala sebenar.
• Tinjauan 2026 State of AI in the Enterprise oleh Deloitte mendapati 30% organisasi meneroka agentic AI, 38% melaksanakan pilot, 14% dengan penyelesaian yang boleh digunakan, dan hanya 11% benar-benar dalam pengeluaran, dengan 35% melaporkan langsung tiada strategi agentic yang rasmi.
• Menjelang 2027, Deloitte mendapati 74% organisasi menjangka menggunakan agent sekurang-kurangnya pada tahap sederhana, 23% secara meluas, dan 5% menjangka agent tertanam sepenuhnya sebagai bahagian teras operasi.
• Gartner meramalkan 15% keputusan kerja harian akan dibuat secara autonomi melalui agentic AI menjelang 2028 (meningkat daripada 0% pada 2024), dan 33% aplikasi perisian perusahaan akan merangkumi agentic AI menjelang 2028 (meningkat daripada kurang 1% pada 2024).
• Gartner secara berasingan meramalkan lebih 40% projek agentic AI akan dibatalkan menjelang 2027 kerana kos, nilai yang tidak jelas, dan kawalan risiko yang lemah, risiko yang tertumpu pada projek yang melangkau peringkat berjalan sepenuhnya.

Ke Mana Selepas Ini

Merangkak, berjalan, dan berlari hanyalah label berguna jika anda bertindak berdasarkan yang mana satu anda sebenarnya berada. Jika anda masih di peringkat merangkak, bila hendak menggunakan AI agent dan cara membina AI agent ialah bacaan seterusnya yang tepat. Jika anda sedang menolak ke arah berjalan atau berlari, ROI AI agent merangkumi disiplin pengukuran yang diperlukan oleh peringkat itu, dan tenaga kerja agentic merangkumi rupa peringkat berlari apabila agent bukan lagi projek tetapi lapisan tenaga kerja yang anda rancang. Untuk perkakas yang sesuai bagi agent pertama peringkat merangkak, ringkasan alat automasi dan panduan alat automasi no-code terbaik ialah titik permulaan yang baik.