AI代理平台公司ThinkingAI于20日在首尔江南区纺织中心举行“ThinkingAI Summit Seoul（TAS）2026”，分享了AI代理在游戏、金融、教育等领域的落地案例。

本次活动以“Agentic Growth”为主题。ThinkingAI围绕企业如何从数据中识别变化、分析原因，并将执行结果反馈到下一步业务行动，展示了相关方案及实际应用场景。

ThinkingAI韩国分公司负责人Seo Gwang-deok在会上表示，“由人负责方向把控与审批、代理承担执行工作”的时代已经到来。他指出，企业首先要厘清数据定义，以及各项业务中的权限边界和责任划分，并建立起让AI在授权范围内运行的流程。

Seo Gwang-deok还强调，即便AI模型持续迭代，企业也应能够长期复用已经沉淀的数据和业务知识。未来，ThinkingAI将继续支持企业把AI分析能力落到产品改进和客户响应上，推动形成实际业务成果。

会上还介绍了支撑上述工作流的“Agentic Engine”使用方式。ThinkingAI销售总监Lee Seung-joo表示，企业可以把客户分析、营销活动设计、经人工审批后的执行，以及结果校验整合到同一套工作流中。

他以保健食品自营商城Honestree为例称，该公司按客户维度整合广告、行为和订单数据，区分再触达对象与排除对象。Lee Seung-joo表示，LLM本身正变得越来越易用，但要让LLM真正“做事”，仍需要由人搭建并持续维护相应的工作结构。

在企业案例环节，多家公司把重点放在“如何将分析结果转化为业务行动”这一主题上。

Class101产品战略团队负责人Ha Gil-woo表示，AI可以参考策划文档、讨论内容乃至代码来分析实验，将获取关键洞察所需时间由3天压缩至1天。

Ha Gil-woo还以“识别客户在付款环节犹豫的原因，并衔接后续动作”为例，介绍了如何将实验结果反哺到下一轮执行中。他强调，如果实验结果本身方向不清，AI会进一步放大这种模糊性，因此团队层面的验证标准至关重要。

Underdogs则分享了一个6人研发团队借助AI分析平台沉淀数据、应对用户流失的经验。联合创始人Kang Min-seok介绍，团队在分析并验证游戏内战斗损失与用户流失之间的关系后，据此推出了“阵亡士兵回归”内容。

他表示，从用户遭受攻击的时间点到改进方案最终定稿仅用了3天，相关开发由代理完成，人工主要负责验收和上线。同时，即便团队成员发生变动，相关经验也可以作为代理知识留存下来，从而延续团队诀窍。

与AI导入相关的游戏研发协作流程变化，同样成为现场讨论重点。

Bluehole Studio Seed负责人Lee Seung-hyun表示，游戏设计师可以先借助AI做出可试玩版本，再由团队共同评审，从而显著减少仅通过文档传递策划意图时产生的理解偏差。他称，新增一件武器的周期已从20天缩短至1天，“拖慢进度的并不是制作速度，而是理解和协商所需的沟通时间”。

随着越来越多的工作交由AI处理，如何设定结果校验标准也变得愈发关键。

Next Securities AI数据平台团队负责人Seo Dong-jin表示，在搭建数据平台的过程中，团队会记录需求意图和选择理由，以便在后续工作中复用，并通过自动校验拦截违规变更。他认为，与其看AI使用得有多频繁，不如看企业究竟把哪些工作交给AI，以及愿意为其结果承担多大责任。

在有关组织运营的主题对谈中，OneStore游戏业务TF负责人Jeon Jun-young与Joshua & Company代表、“BuilderJosh” Kim Seung-gwon参与讨论。Jeon Jun-young介绍，公司将撰写代理与审查代理分开设置，并把审批和反馈继续回流到后续工作中。Kim Seung-gwon则表示，在一个6人组织中，共有11个代理承担重复性工作，团队成员则分别对各自业务的损益和执行负责。

Jeon Jun-young总结称：“交付的不是工作，而是标准。”

Seo Gwang-deok再次强调，即便AI模型持续迭代，企业也应长期复用沉淀的数据和业务知识。ThinkingAI未来将继续支持企业把AI分析能力用于产品改进和客户响应，推动形成实质性业务成果。