本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 代理人工智能的经济学 AWS
<a name="introduction"></a>

*Hans Schabert 和 Prasanta Roy，Amazon Web Services*

*2026 年 1 月*（[文件历史记录](doc-history.md)）

采用人工智能驱动的自动化和代理人工智能系统的组织需要在人工和智能代理之间做出明智的经济决策。这对于可持续的云运营至关重要。本指南可帮助您评估、实施和优化人类劳动力和代理人工智能系统之间的经济权衡。 AWS您可以最大限度地提高投资回报率 (ROI)，同时保持卓越运营。

没有哪个系统是 100% 正确的。这一基本原理推动了对人类和代理人工智能系统的经济分析。组织必须超越简单的成本比较，来评估总体经济影响、风险状况、决策质量要求和长期战略价值创造。

客户行为正在从传统的前期技术投资急剧转变为使成本与业务结果保持一致的 pay-per-outcome模式。这种转变需要采用新的方法来评估、实施和优化人机协作。

成功之路遵循一个明确的模式：从合适的工作开始，衡量所有事情，然后扩展行之有效的方法。采用这种方法的组织通过智能资源分配和注重结果的自动化来实现可持续的竞争优势。

## 目标受众
<a name="introduction-audience"></a>

本指南适用于以下内容：
+ 正在做出战略投资决策的高管 (CEOs CTOs,, CFOs)
+ 正在设计组织自动化策略的企业架构师
+ 正在优化云财务管理的财务运营从业人员
+ 正在评估 AI 实施方法的技术领导者
+ 想要了解自动化投资回报率的业务部门负责人
+ 正在探索全新 AI 定价模式的采购专业人员

要理解本指南中的概念，我们建议您查看 [agentic AI 的基础](https://docs.aws.amazon.com/prescriptive-guidance/latest/agentic-ai-foundations)。 AWS

## 目标
<a name="introduction-objectives"></a>

本指南可帮助您了解以下内容：
+ 如何评估职位的代理自动化潜力
+ 将人力成本与代理人工智能系统投资进行比较的经济模型
+ Pay-per-outcome 定价模型及其对人工智能项目经济的影响
+ 用于展示投资回报率和管理风险的衡量技术
+ 将固定成本转化为可变结果的扩展策略

## 关于此内容系列
<a name="about-this-content-series"></a>

本指南是关于代理人工智能的系列文章的一部分。 AWS要了解更多信息并查看本系列中的其他指南，请参阅 AWS 规范性指导网站上的 [Agentic AI](https://aws.amazon.com/prescriptive-guidance/agentic-ai/)。