Hva skjedde
ZDNET rapporterte om Deloitte-forskning basert på en undersøkelse av 501 senior bedriftsledere involvert i organisasjonens AI-strategier eller implementeringer. I følge ZDNET testet 42 % av organisasjonene et lite antall agenter, 43 % utvidet distribusjoner på tvers av funksjoner, og 15 % hadde nådd skalert, orkestrert multiagent-adopsjon på tvers av områder inkludert kundeservice, IT og ingeniørfag. Den oppgitte kilden inkluderer ikke Deloittes primærrapport, så disse tallene er ikke uavhengig bekreftet her.
ZDNET publiserte rapporten 24. august 2026, og beskrev det den kalte den siste Deloitte-forskningen om adopsjon av agent AI i USA-baserte organisasjoner. Artikkelen sa at forskningen undersøkte 501 senior bedriftsledere som var involvert i å drive AI-strategier eller implementeringer. I følge ZDNET testet 42 % av organisasjonene et lite antall agenter, 43 % utvidet distribusjoner på tvers av funksjoner, og 15 % hadde oppnådd skalert, orkestrert distribusjon av flere agenter på tvers av kundeservice, IT og engineering. Kilden presenterer disse tallene som undersøkelsesfunn, ikke som en uavhengig revidert folketelling av alle amerikanske virksomheter. Deloittes underliggende rapport, spørreskjema og respondentfordeling er ikke inkludert i det leverte materialet, så AI Understanding har ikke uavhengig bekreftet tallene eller metodikken.
ZDNET rapporterte at nesten to tredjedeler av de spurte lederne revurderte forretningsmodellene sine på grunn av fremskritt innen agent AI, mens halvparten hadde et klart syn på en fremtidig driftsmodell drevet av agenter. Artikkelen identifiserte tre ledende hindringer for skalering: mangel på et enhetlig og tilgjengelig datagrunnlag, sitert av 72 % av respondentene; problemer med å stole på og styre agenter, sitert av 70 %; og kostnadene og kompleksiteten ved integrasjon, sitert med 67 %. ZDNET sa også at bare et mindretall av organisasjonene vurderte nøkkelfundamenter som klare for agent AI, inkludert visjon og strategi på 36 %, teknologiinfrastruktur på 34 %, datagrunnlag på 32 % og risiko, sikkerhet og styring på 26 %.
Artikkelen rapporterte videre at bare 16 % av bedriftslederne sa at deres nåværende prosesser var forberedt for agentadopsjon. ZDNET sa at 74 % forventet at nesten halvparten av forretningsprosessene skulle redesignes eller bygges om rundt AI-agenter innen 2030, mens 61 % trodde de fleste prosessene ville bli drevet av agenter, og at mange av disse agentene ville operere med liten eller ingen menneskelig involvering. Den rapporterte også at bare 31 % forventet å redesigne og gjenoppbygge prosesser rundt agenter innen 2028. Når det gjelder forberedelse av arbeidsstyrken, sa ZDNET at halvparten av lederne mente at organisasjonene deres ikke investerte nok i arbeidsstyrketransformasjon, 43 % forventet store jobbavbrudd, 71 % jobbet med grunnleggende agentkunnskaper og 65 % søkte oppkvalifisering eller ny kompetanse. Dette er rapporterte forventninger og egenvurderinger; Kilden gir ingen uavhengig måling av faktiske utplasseringer, tap av jobber eller produktivitetsresultater.
Hvorfor det betyr noe
Rapporten omtaler agent AI-adopsjon som et organisatorisk redesignproblem, ikke bare en programvaredistribusjon. Hvis undersøkelsen er representativ, vil selskaper som går fra eksperimenter til produksjon trenge sterkere datagrunnlag, styring, integreringsplaner, redesignede arbeidsflyter og vedvarende investering i opplæring av ansatte. Det antyder også at mange ledere forventer betydelige endringer i jobbroller og driftsmodeller, mens bevisene som leveres ikke fastslår om disse forventningene vil bli realisert.
Den sentrale betydningen av rapporten er dens vektlegging av organisatorisk kapasitet. Agentsystemer kan utføre sekvenser av oppgaver, bruke verktøy og samhandle med forretningssystemer, slik at utrulling kan påvirke hvordan arbeid tildeles, gjennomgås og godkjennes. En bedrift kan være i stand til å koble en agent til en eksisterende arbeidsflyt uten å ha pålitelige data, klare tillatelser eller en praktisk måte å gripe inn når systemet svikter. Barrierene identifisert av ZDNET – datatilgang, styring og integrasjon – dreier seg derfor om betingelsene som en agent kan stole på med påfølgende arbeid, ikke bare om et selskap har kjøpt et AI-produkt.
Arbeidsstyrkens funn er også konsekvente fordi de beskriver adopsjon som en endring i jobbdesign snarere enn et smalt automatiseringsprosjekt. Hvis rutinemessige og strukturerte oppgaver blir mer autonome, kan ansatte bruke mer tid på å sjekke resultater, håndtere unntak, administrere kundeforhold eller definere mål. Denne overgangen kan skape nytt ansvar, men det kan også redusere etterspørselen etter enkelte oppgaver eller roller. ZDNET rapporterte at 43 % av de spurte lederne forventet store jobbavbrudd, men artikkelen ga ingen detaljer om hvilke yrker som var inkludert, hvordan forstyrrelser ble definert eller om forventningen refererte til jobbeliminering, endrede oppgaver eller omplassering.
Anslagene frem til 2030 bør behandles som planleggingssignaler i stedet for prognoser etablert av observerte resultater. En undersøkelse kan vise hva ledere tror og hva organisasjoner sier de forbereder seg på, men den kan ikke i seg selv demonstrere at agenter vil oppnå pålitelig autonomi, levere besparelser eller redesigne de fleste forretningsprosesser. Kilden rapporterer heller ikke feilrater, sikkerhetshendelser, nøyaktighetstiltak, kundeeffekter, -utgifter eller sammenlignende resultater mellom agentbaserte og konvensjonelle arbeidsflyter. Disse utelatelsene er viktige fordi forretningsgrunnlaget for distribusjon avhenger av ytelse i reelle driftsmiljøer, inkludert unntakshåndtering og menneskelig tilsyn.
Interaktiv mekanisme: Hvordan det faktisk fungerer
Utforsk den underliggende teknologien bak denne utviklingen interaktivt.
crm_get_transaction(id='4092').An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?
Hva du skal se neste
Nøkkelsignalene vil være uavhengig verifiserbare distribusjoner, målbare driftsresultater, endringer i arbeidsstyrkens ansvar og bevis på at selskaper redesigner prosesser i stedet for å plassere agenter på toppen av uegnede eldre systemer. Organisasjoner må også avsløre hvordan de kontrollerer autonome handlinger, måler feil, administrerer datatilgang og redegjør for modell- og symbolkostnader. Kilden identifiserer ikke de undersøkte selskapene, gir ikke hele metodikken eller viser uavhengig validering av anslagene gjennom 2030.
Første prioritet er uavhengig verifisering av Deloitte-funnene. Nyttig oppfølging vil inkludere den originale rapporten, undersøkelsesinstrumentet, feltdatoer, respondentbransjer, bedriftsstørrelser, geografisk omfang og definisjoner for begreper som «skalert», «orkestrert» og «multiagent». Uten disse detaljene er prosentene informative, men vanskelige å sammenligne med andre adopsjonsundersøkelser eller generalisere til den bredere bedriftsbefolkningen.
Bedrifters beslutninger om prosessredesign vil være et annet viktig signal. ZDNET rapporterte at organisasjoner ofte legger agenter på eksisterende prosesser, selv om redesign kan være nødvendig for større autonomi. Se etter offentlige casestudier som beskriver den opprinnelige arbeidsflyten, agentens tillatelser, menneskelige sjekkpunkter, feilhåndtering, datakilder, distribusjonsskala og målte resultater. Påstander om transformasjon vil være mer meningsfulle når de inkluderer konkrete bevis som gjennomføringsgrad, gjennomgang av arbeidsmengder, tid til løsning, feilkostnader og endringer i bemanning eller ansvar.
Styrings- og arbeidsstyrkeeffekter bør overvåkes sammen. Organisasjoner som tar i bruk agenter, må forklare hvem som kan autorisere handlinger, hvordan tilgang til sensitive data er begrenset, hvordan aktivitet logges, hvordan modeller evalueres etter oppdateringer og hvordan folk kan omgjøre eller bestride automatiserte beslutninger. De bør også rapportere hvilken opplæring ansatte får og om arbeidere blir omplassert, får utvidet arbeidsoppgaver eller står overfor reduksjoner. Kilden gir foreløpig ingen bevis for at de rapporterte forventningene til utbredte autonome prosesser innen 2030 vil skje, så praktiske resultater – ikke executive prognoser alene – vil avgjøre betydningen av denne trenden.