Forrester 分析智能体广告的生产力悖论与工作流重组

引入智能体并不会自动提升广告生产力。如果原有流程本身就存在问题，生搬硬套 AI 只不过是在把低效自动化。真正的机遇，在于围绕全新的人机分工重构广告流程：人类负责制定战略并设立边界防护，智能体负责协调执行与持续优化。互联互通的数据，则为双方的高效决策提供所需的上下文信息。

这种现象我们并不陌生。20 世纪 80 年代至 90 年代初著名的“索洛悖论”就指出，对 IT 领域的大规模投资，并不能直接带来劳动力或经济生产力的显著增长。2000 年，有研究人员发现，企业在计算机硬件上每投入 1 美元，就需要在重写业务流程、调整团队架构以及员工再培训上投入高达 9 美元。技术只有与组织资本、全新流程、架构重塑及全新工作方式深度结合，才能创造超额价值。

认识到这一点后，我们来看看智能体 AI 将如何重塑广告的核心工作流：

• 媒介策划将演变为持续决策系统。 如今的媒介方案往往是一份定期更新的静态文档。而智能体将把它变成一个动态的决策系统：通过持续融入历史投放数据、受众画像、媒介成本、素材测试结果及商业转化，实时建议下一笔边际预算该投向何处。策划人员的核心价值，将不再是撰写方案，而是明确方案何时以及如何进行调整。
• 媒介采买将从“操作界面”转向“表达意图”。 媒介操盘手不再需要将媒介策略手动转化为各平台上数百项细枝末节的设置，而是只需向智能体明确目标、约束条件、目标受众、预算成本以及品牌安全要求，由智能体代为执行。随着智能体在各大广告平台间直接交互，中心化操作界面将变得不再那么关键。未来媒介采买中最值钱的技能，将是懂得如何编写精准的指令与边界防护规则。
• 媒介优化将聚焦于最终商业成效，而非单纯的投放指标。 智能体能够对出价、预算、受众和素材同时展开连续不断的全面优化。这种更快、更彻底的优化方式，意味着找准优化目标变得至关重要。如果广告主能够稳定获取高质量的自有成效信号（如客户生命周期价值、利润率、增量效果、库存情况和整体盈利能力），就将建立起明显的竞争优势。

为机器主导的媒介策划与采买做好团队准备

媒介策划与采买人员不应坐等智能体技术完全成熟后再去重构工作流。真等到那时，竞争对手恐怕早已把策划变成了持续决策、把采买变成了机器级的超高速执行，并将优化变为了全天候的持续演进。变革必须从当下开始：

• 围绕精准决策重塑策划流程。 将当下的媒介策划细分拆解为人类正在做出的各项决策，例如跨渠道转移预算、调整触达率与频次目标，以及在边际回报下滑时决定何时重新分配支出。把每一项决策背后的阈值和边界规则沉淀为明确规范。接着厘清哪些环节可以交给智能体来给出建议、进行审批或自主执行，进而围绕场景设计、测试实验和异常处理来重构策划人员的职责。
• 打造面向智能体的架构体系。明确梳理智能体可以自主做出哪些决策，以及在什么条件下可以执行。随后设定基于金额的审批门槛、品牌安全限制、频次上限和紧急终止开关。将第一方受众、转化信号、素材元数据及单体经济模型转化为机器可读格式，使其能够在需求方平台（DSP）、零售媒体网络、搜索与社交围墙花园以及开放网络媒体之间顺畅流转。如果一个智能体只能看到单一平台内部的数据，它的优化目标就会变成该平台的收益最大化，而非广告主的实际回报。
• 重塑从业人员技能，强化智能体治理。培训业务人员深入探究底层逻辑：为什么智能体会将 10 万美元预算从联网电视（CTV）调拨至付费社交媒体？如何从归因噪音中识别真实的成效信号？何时智能体过度倾斜于低成本转化？以及当短期广告支出回报率（ROAS）与实际增量效果产生冲突时，如何果断进行人工干预。重新调整岗位职责与激励机制，鼓励员工设计高价值测试、排查智能体运行故障，并精准界定机器自主决策的边界。

敬请关注 Forrester 关于机器主导的策划、采买与优化机制的更多前沿研究。一如既往，欢迎随时申请咨询交流深入探讨。

博客

Amazon Ads unBoxed 2026：亚马逊力推以成效为导向的广告模式

在 Amazon Ads unBoxed 2026 大会上，智能体商务与智能体广告大放异彩。亚马逊全面展示了预测式、生成式以及智能体 AI 如何发挥作用：既帮助消费者做购买决策，又协助广告主将业务目标切实转化为媒介成果。在大会期间，我们直接聆听了亚马逊管理层 […] 的分享

博客

AI 治理面临战略脱节难题

好消息是：AI 治理已被列入企业议事日程。但隐忧在于：它与企业 AI 战略的结合依然不够紧密。Forrester 最新数据显示，仅有 42% 的 AI 决策者表示其组织的正式 AI 及智能体 AI 战略中包含了治理战略。各项规章制度或许层出不穷，但战略层面的深度融合却仍 […]