智能体人工智能正日益融入购物体验，但并非所有交易都会以相同方式实现自动化。以下是智能体将处理的场景——以及仍需人工介入的情境。
原标题：智能商务的自动化曲线
智能体人工智能正日益融入购物体验，但并非所有交易都会以相同方式实现自动化。以下是智能体将处理的场景——以及仍需人工介入的情境。
对许多购物者而言，这个刚过去的假日季或许带来了不同以往的体验。也许人工智能助手为你推荐了亲友真正会喜欢的礼物，同时筛选出能在节前送达的商品；或许它帮你对比了三款不同降噪耳机的参数，或为寻找特定节日套装扫描了五家零售商，组合好可直接下单的购物篮后礼貌询问：“现在下单吗？”
署名
今年，人工智能代理不再只是实验，而是融入了人们的购物方式——并非以引人注目的方式，而是在日常点滴中帮助购物者理清选择、组合购物篮、权衡利弊并促成行动。然而，今日看似微小的便利，实则预示着我们购物方式即将发生的巨大变革。根据我们的研究，即使在中等情境下，到 2030 年，人工智能代理可能促成全球消费者商业中 3 万亿至 5 万亿美元的交易。1由于这些代理与人类使用相同的互联网+——访问网站、调用 API 并与会员计划互动——它们能够迅速扩大规模。随着这一进程的推进，它们正在重塑购物意图的形成方式、产品的发现途径以及价值池的所在位置。
我们在去年秋季发布的报告《智能商务机遇：AI 智能体如何引领消费者与商家的新时代》中，已深入探讨了这些主题。本文在此基础上进一步展开。我们将在此探讨"智能商务自动化曲线"，该曲线展示了不同委托层级下购物体验的演变，并概述零售商应如何为这样一个未来做准备：顾客仍是人类，但 AI 智能体正日益介入关键决策环节。
智能商务自动化曲线的六个层级
智能代理商务的兴起反映了三股力量的交汇。首先，AI 代理已达到决策级实用性，使消费者不仅能委托灵感激发，还能委托筛选、组合乃至执行。其次，生态系统现已具备实现真正自主性的基础架构。开源协议——如 MCP、A2A、AP2、ACP 和 UCP——使代理能够读取数据、与其他代理协商并安全交易。Linux 基金会近期成立了智能代理 AI 基金会，这是一个由 Anthropic、Block、Google、Microsoft、OpenAI 等合作伙伴支持的项目，专注于实现大规模自主商务所需的互操作性、身份验证和支付等基础构建模块。2第三，消费意图正向上游转移。代理越来越多地在消费者目标浮现时立即行动——例如关于即将到来的生日派对的对话、旅行日历提醒，或设备发出的低库存信号。对零售商而言，这意味着严峻的现实：如果你的产品目录、政策及价值主张无法被机器读取，那么代理——进而消费者——将根本找不到你，无论你的品牌多么受人喜爱。
话虽如此，人工智能代理的兴起并不代表从人工购物到完全自主购物的单一跨越。相反，代理式商务正沿着一条曲线展开——这条曲线由消费者愿意将购物旅程的多少环节委托给机器来定义。这条自动化曲线由六个不同的自动化层级构成，每个层级代表一种不同的委托模式——从基于基本规则的便利性到完全自主的多代理协同。重要的是，这些层级描述的是代理在技术上能够实现的功能，而非消费者总会选择允许的功能。
代理式商务在 B2B 领域如何发展
乍看之下，B2B 商务似乎与消费者购物有着根本性的不同。毕竟，企业采购决策往往涉及委员会、合同、合规以及长达数月的周期，而非冲动与灵感。但若从智能代理商务的视角审视，同样的自动化曲线依然适用。变化的只是风险、约束条件和优化目标。
在消费者电商领域，委托是个人的。购物者授权代理以节省时间或金钱。而在 B2B 领域，委托是制度性的。授权来自采购政策、预算负责人、风险团队和法律框架。因此，自主性的发展较为缓慢。但一旦解锁，其扩展力将更为强大。
在初级阶段，代理通过整合复杂信息，并根据技术规格、历史表现、可持续性标准和合同条款比较供应商来协助买家。组装一个“购物篮”意味着构建一个准备就绪的采购包：产品、数量、价格层级、服务水平以及准备批准而非结账的义务。
真正的转折点出现在监督执行阶段。当代理被授权在明确定义的政策（如支出阈值、首选供应商和合规规则）内行动时，它们可以自动管理补货、续订、替换和例外情况，仅在出现问题时才升级处理。在这里，自主性优化的是可靠性和连续性，而非便利性。
在更高层级，智能体能够基于领导层制定的企业长期目标自主运作，这些目标经过政策审核，并受可逆权限的约束。例如，以最低风险调整成本维持系统正常运行、平衡供应商集中度，或在保障业务连续性的前提下达成环境、社会和治理目标。竞争焦点将从单价转向可预测性、透明度与政策一致性。
在消费端商业中，自主性如同魔法般神奇；而在企业级市场，它则意味着治理体系终于能驾驭复杂性并将其转化为优势。对企业领导者而言，核心问题不再是人工智能能否实现采购自动化，而是治理体系是否已做好准备——在授权的同时不丧失控制力。
此外，采纳过程未必会沿着曲线"向上"均匀推进。虽然智能体能力持续进步，但有两股力量正在塑造消费者的委托行为。第一是时间与信任：随着消费者逐渐熟悉智能体并见证其可靠表现，他们会更放心地将购物旅程中更大比例的环节委托出去。第二是品类特性。委托意愿会因交易金额、情感共鸣度、身份标识价值和后悔风险而产生显著差异。（本文聚焦零售体验；关于智能体如何影响 B2B 商业，请参阅侧栏《智能体商务在 B2B 领域的应用场景》。）
这两股力量共同决定了委托行为的上限——在特定品类或场景中，自主权会自然达到平衡点。某些情境下，消费者可能愿意委托端到端的全程执行；而在另一些情境中，他们会刻意保留控制权，并非因为智能体能力不足，而是因为人类参与本身就是体验价值的核心组成部分。
因此，最好将这一模型理解为一条曲线，而非阶梯。更高水平的自动化并非天生更好或更先进，目标不是追求最大程度的自主性，而是实现最优的委托（见下图）。
图表
第 0 级：程序化便利（"设置即忘"）
这一级别是智能代理出现前的基准：对于咖啡胶囊、洗涤剂、尿布、洗发水等消耗品的定期补货，通过订阅服务、计划性补货和定期配送来处理。在这个发展阶段，自动化是基于规则的——虽然有用但脆弱，且基本无视具体情境。当需求发生变化时，系统就会失效，需要人工重新介入。
尽管如此，第 0 级证明了当自动化可靠且可逆时，消费者愿意委托的基础点。例如，2024 年美国亚马逊购物者中约有 23%至少有一个活跃的"订阅省"订单。3
第 1 级：辅助（"认知助手"）
在第一层级，智能助手帮助购物者思考与决策，但不执行操作。购物者可能会提出这样的请求："帮我找四件价格在 75 美元以下、周五前能发货的礼物，优先选择可持续品牌，并总结各项选择的优缺点。" 或者，在更复杂的品类中："比较三款降噪耳机，并说明它们在音质、续航时间和佩戴舒适度上的差异。" 此时助手扮演的是分析角色：它扫描商品目录、解析用户评价、对比产品特性，并将备选方案整合成简短清单或推荐列表。关键在于，它不会确定具体配置方案，也不处理操作层面的限制条件——没有购物车功能，没有结算准备，交易环节尚未启动。最终仍由用户评估选项、权衡利弊，并决定后续步骤。
换言之，第一层级替代了传统的搜索与比价功能，但将商品组合与执行环节完全留给购物者处理。
对零售商的影响：可验证的数据胜过营销话术。智能助手需要能够解析和对比的信息——包括结构化属性、明确的适用规则、精准的尺码适配数据，以及可被证实的宣传主张。
第二层级：组合配置（"私人购物顾问"模式）
第二层级标志着质的转变：智能体从分析转向统筹。在这里，消费者表达意图，智能体则返回一个可直接购买的购物篮。"搭配一套 150 美元以下的舒适冬季服装"、"为明天抵达并停留三天的素食客人备齐食品储藏室所需"，或者更复杂的"组装一套 2000 美元以下、支持双 4K 显示器、安静视频通话且能次日送达的家庭办公室配置"。与第一层级不同，智能体的任务是解决权衡与限制条件，而非仅仅呈现它们。它会选择具体商品，确保技术兼容性，平衡性能与价格、库存与配送速度、促销活动与资格条件。税费、配送时效、会员福利和替代方案均默认处理完毕。输出结果不再是选项列表，而是一个可直接结算的完整配置方案。消费者的角色相应地从比较选项转变为批准或调整智能体提出的解决方案。
对零售商的影响：要在第二层级取得成功，需要采用 API 优先的商品销售策略。库存、定价、配送承诺、促销和退货逻辑必须清晰公开，以便智能体能够以接近人类的精准度组合购物篮。
第三层级：授权（“受监督的执行者”）
在第三层级，消费者不仅委托行动，还委托规则。他们不再需要批准每个步骤，而是授权智能体在明确的边界内执行任务。“如果杂货费用低于 120 美元且能在周五晚上 6 点至 8 点送达，就下单。”“如果我信任的商家将我喜欢的运动鞋价格降至 80 美元以下，就购买。”随后，智能体将端到端地运行整个工作流程：在符合条件的选项中进行选择，用已批准的替代品替换缺货商品，应用忠诚度福利，并仅在出现规则外情况时向购物者请求批准。
对零售商的影响：为支持达到第三级的购物者，商家必须确保代理能够安全、透明地代表顾客进行支付和操作。这意味着需要提供可限制的购买授权（通过预算、时间窗口、商家或类别）、可审计的活动（购买了什么及原因）以及可撤销的操作（在需要时轻松取消、退款和覆盖）。
第四级：自主化（"意图管家"）
在第四级，代理根据长期目标而非一次性交易进行操作。例如，"将家庭必需品每月控制在 300 美元以下"、"在 2026 年期间以最低总成本维持我的航空忠诚度状态"、"确保我们永远不会用完婴儿用品"。代理持续监控需求、预测补货、比较不同商家的选项，并优化长期结果，如维持或达到特定的忠诚度状态。然后，代理处理运营后续事宜，包括变更、退货和更换。购物者变为偶发性参与，主要在重要决策或例外情况下介入。
对零售商的影响：在第四层级，竞争的重点从赢得单次购买转向在智能体的持续计划中占据一席之地。商家需要更深入的整合——尤其是在忠诚度计划、资格认证、替代方案和服务保障方面——以便智能体能够权衡利弊并可靠执行。简而言之，仅仅展示商品目录已远远不够；零售商必须公开决定"优质服务"标准的规则与政策。
第五层级：网络化自主（"多智能体商务"）
这个前瞻性层级仍在发展中，指向一个商务活动默认以智能体间交互为主的世界。个人智能体将不再仅仅与商家网站互动；它们将与专门优化定价、物流配送、支付授权和忠诚度计划的专业智能体网络直接协商。最终，这将催生多智能体市场——在这里，购买意向可通过中介撮合，信任通过声誉信号传递，交易通过共享协议结算，从而实现"采购即服务"在后台持续运行。
对零售商的影响：第五层级将由那些已精通第四层级的零售商塑造。那些以机器可读方式公开政策、保证和忠诚度逻辑的零售商，将能够影响这些生态系统如何引导需求。而那些不这样做的零售商，则可能沦为可互换的供应商，主要在机器协商的流程中依靠价格竞争。
自动化曲线如何演变：委托在何处加速、趋稳并重塑价值
自动化曲线描述了人工智能代理在购物体验中能够实现的功能。它也有助于解释委托在实践中如何展开，以及为何自动化在不同品类、不同时刻或不同消费者之间并非均匀发展。
在现实世界中，消费者并非统一地沿着曲线攀升，也并非在所有购物场景中都追求完全自主。相反，当自动化在消除摩擦的同时不牺牲意义时，委托行为会加速；当人的参与是价值的内在组成部分时，委托行为会趋于平稳；而在权衡和不确定性中，委托行为会变得有选择性。理解这些模式对于零售商至关重要，他们需要决定在哪里投资、向代理开放哪些领域，以及如何在由代理中介的世界中竞争。
委托加速的领域：实用性、重复性和低后悔值的购买
在购物主要是一项任务而非体验的品类中，委托行为往往会迅速沿曲线上升。低后悔值的购买，如杂货、家庭必需品和基本消费品，自然适合更高程度的自主性。在这里，购物的价值在于效率、可靠性和可预测性，而非探索或表达。
随着智能体被证明能够准确组装购物篮、在安全护栏内执行任务、并妥善处理商品替换或送货变更，消费者会逐渐放心地将执行环节完全委托给它们。关注点从评估选项转向审查结果：订单是否准时送达？是否控制在预算内？商品替换是否合理？久而久之，批准会变得隐性化，人工干预将成为例外情况。
对零售商而言，这种动态将重塑竞争格局。品牌叙事和前端体验的重要性将让位于运营信任。智能体以交付价值为优化目标——包括价格、库存、服务可靠性和可逆性等因素。那些能提供清晰库存数据、可预测的履约表现、以及透明替换与退货政策的商家将成为默认供应商，甚至无需经历传统意义上的"决策胜出"环节。在这些品类中，具备智能体可读性与可靠性远比独特性更重要。
委托行为的边界：身份认同、消费愿景与决策风险
在高考虑度品类中，例如奢侈品或里程碑式消费，委托意愿往往在曲线上处于较低平台期。这里的购物不仅关乎结果，更关乎身份认同、消费意图与情感确信。消费者可能热情地借助智能体进行研究、比价与分析，却不会完全交由系统自主执行。
以奢侈品手袋购买为例：消费者可能要求智能体评估不同品牌的保值能力、分析二手市场行情，或判断特定款式如何契合个人审美。智能体或许能推荐替代选项、发现二手市场更优价格点、或定位线下门店库存。但最终决策与交易行为本身仍牢牢掌握在人类手中。
在此类场景中，智能体的角色更接近分析师与策展人，而非执行者。委托上限并非由技术局限决定，而是受情感与身份认同因素影响——例如追求触觉体验、实现社交信号传递或规避后悔心理。值得注意的是，较低的自主性并不等同于较低的价值。在许多此类消费场景中，人类参与本身就是产品体验的核心组成部分。
对品牌而言，这一区分至关重要。有效竞争并不需要推动消费者走向完全自动化，而是要让智能体能够通过展示丰富的背景属性、产品来源、工艺细节和长期价值信号来支持消费者的审慎决策，同时在最终决策环节保留人类的掌控权。在这些品类中，取胜的关键在于如何优化决策依据的质量，而非追求决策速度。
选择性委托场景：复杂性、权衡与情境因素
大多数品类介于这两个极端之间。在旅游、消费电子、家居用品等复杂购买场景中，委托行为具有选择性和情境依赖性。智能体可以自主处理信息搜集、比价、动态监测和方案整合，但会将涉及重大权衡的决策提交给人类。例如，一个 AI 旅行助手可以规划行程、优化会员权益、监控航班变动，但仍会将需要价值判断的选择呈现给用户——比如时间与舒适度的取舍、成本与灵活性的权衡。家庭电子设备助手可能根据参数和评测缩小选择范围，但当涉及设计偏好、兼容性问题或品牌倾向等决定性因素时，仍会将最终决定权交还给人类。
在这些品类中，信任的建立并非依靠完美执行，而是通过可解释性与可逆性来实现。随着自主性增强，消费者不仅希望了解智能体做了什么，更想理解其行为背后的逻辑：为何选择特定选项？为何进行替换？为何将异常情况升级处理？优雅处理边缘情况的能力，远比在常规路径上的成功更为重要。
这正是元数据转化为战略的关键所在。人类能凭直觉理解含义，综合考虑合身度、触感、情绪氛围以及特定场合适配性等因素。而人工智能体显然不具备这种能力，它们依赖结构化的情境信号。那些对人类情感共鸣强烈但对机器语义模糊的商品，在智能体主导的消费流程中面临被边缘化的风险。这要求零售商投入资源构建丰富的机器可读属性体系，使智能体能够进行精细化决策，并懂得何时暂停流程、将问题提交给人类消费者定夺。
当智能体成为商业中介时，价值池将如何迁移
在这些模式中，一个转变始终如一：传统漏斗的压缩。搜索、比较和考量融合为单一由智能体中介的瞬间。持续式商业取代了偶发性的决策。忠诚度不再关乎情感，而更多取决于政策。
因此，价值池发生迁移。优势将积累给那些能够可靠执行智能体约束的商家，而不仅仅是那些吸引人类注意力的商家。利润空间由服务保障、履约可靠性和政策清晰度所塑造。对某些参与者而言，这将释放效率和规模潜力。对另一些参与者，尤其是那些依赖发现驱动流量的商家，则带来了去中介化的风险。
重要的是，这并不意味着单一的终局。自动化曲线并未规定每个类别应走向何方。相反，它描述了委托创造价值的场景以及不创造价值的场景。及早认识到这些轮廓的零售商可以相应地进行投资，在减少摩擦的地方推动更高的自主性，并在最重要的地方刻意保留人性化的时刻。
商业的未来不在于最大化自动化，而在于将自主权置于能提升体验、经济效益与信任的环节。自动化曲线为这些选择提供了实用的视角。随着 AI 智能体日益成为商业的核心界面，那些以此指导能力投资、品类策略与智能体准备度的零售商，将在竞争中占据最佳位置。
关于作者
Deepa Mahajan、Hannah Mayer 和 Roger Roberts 是麦肯锡旧金山湾区分公司的合伙人，Katharina Giebel 是该分公司的顾问。Katharina Schumacher 是慕尼黑分公司的合伙人。
作者感谢 Eli Stein、Holger Harreis、Jack Trotter、Marcus Keutel、Philipp Kluge、Tara Balakrishnan 和 Zamir Lalji 对本文的贡献。
本文由纽约分公司高级编辑 Larry Kanter 编辑。
本文是麦肯锡关于人工智能的持续研究的一部分，旨在帮助商业领袖理解改变工作方式的力量，识别战略影响领域，并为下一波增长做好准备。与所有麦肯锡研究一样，这项工作是独立的，未受任何企业、政府或其他机构的委托或赞助。本文及其中表达的观点仅代表我们自己的看法。
欢迎您通过 agenticcommerce@mckinsey.com 就本研究发表评论。了解更多关于我们生成式人工智能的见解，并订阅我们的新闻通讯。
部署这类新型智能体是一项复杂的系统工程。其实现不仅需要打通系统间的互操作性、确保高质量数据供给、完成企业平台的重构，更关键的是要设计出具有适度自主性、明确约束条件与目标导向的智能体架构。为应对上述挑战，BCG制定了一套循序渐进的企业智能体工作流程转型实施框架。
...
智能体AI赋能的商户将减少汇报时间，增加战略规划时间。但实现这一目标需要新的角色和工作方式。...
客户服务运营正处于关键时刻。任何尝试过致电客户服务几次的人都知道，传统模式令人沮丧且被破坏。漫长的排队时间、多次不成功的服务尝试以及未兑现的回电承诺只是客户可能忍受的一些不愉快的烦恼。就公司而言，几十年来，公司一直在努力平衡改善客户体验和降低运营成本的双重压力。但是AI的兴起为公司提供了重写范例的机会，通过提供主动、即时可用且针对每个客户情况高度个性化的不受约束的服务。许多企业正确地看到了虚拟助理、副驾驶工具和其他人工智能功能在提高效率和增强客户和人工座席体验方面的潜力。...