作者：Gartner高級(jí)研究總監(jiān) 閆斌

　　AI智能體(AI Agent)也被稱為代理型AI。這項(xiàng)技術(shù)正在引發(fā)巨大的熱潮，是突破AI功能極限、深入改變企業(yè)運(yùn)營與競爭方式的新一代AI解決方案。

　　AI智能體能夠提高資源效率、實(shí)現(xiàn)復(fù)雜任務(wù)的自動(dòng)化并推動(dòng)業(yè)務(wù)創(chuàng)新，其能力超過了基于腳本的自動(dòng)化機(jī)器人和虛擬助手。

　　它最大的不同在于決策權(quán)從人類轉(zhuǎn)移到機(jī)器，這為代理型AI的商業(yè)價(jià)值奠定了基礎(chǔ)并使其具備重塑整個(gè)行業(yè)的潛力。

　　Gartner在2025年1月對(duì)3412名網(wǎng)絡(luò)研討會(huì)參與者進(jìn)行了調(diào)查，53%的受訪者表示其企業(yè)正處于AI智能體的探索階段，25%表示處于試點(diǎn)階段，只有6%表示已進(jìn)入生產(chǎn)階段。另外，40%的受訪者計(jì)劃在未來6個(gè)月內(nèi)推進(jìn)相關(guān)項(xiàng)目。

　　企業(yè)對(duì)AI智能體的興趣激增也帶來了各種各樣的解釋和不切實(shí)際的期望。隨著大語言模型(LLM)的快速發(fā)展，許多企業(yè)正基于這種模型構(gòu)建AI智能體。雖然這些解決方案能夠收集和整合信息并與應(yīng)用交互完成任務(wù)，但它們常常無法做出符合企業(yè)場景的決策。

　　AI智能體的實(shí)際使用效果與宣傳的差距依然顯著。這可能導(dǎo)致企業(yè)忽視大規(guī)模部署AI智能體所面臨的真正成本與復(fù)雜性，從而阻礙項(xiàng)目進(jìn)入到生產(chǎn)階段。

　　因此，企業(yè)必須穿透表象，辨別AI智能體的真相、誤區(qū)與影響，將重點(diǎn)放在開發(fā)或使用AI智能體所需的核心企業(yè)組件上，以此提升它們的商業(yè)價(jià)值。

　　組合搭配各種AI智能體能力

　　如果企業(yè)需要的是能夠理解用戶意圖、檢索和處理多種數(shù)據(jù)源的信息并使用工具完成任務(wù)的AI解決方案，那么AI智能體無疑是一個(gè)好的選擇。

　　企業(yè)必須隨機(jī)應(yīng)變，根據(jù)具體應(yīng)用場景組合適配的技能，比如根據(jù)可用的數(shù)據(jù)、需要交互的工具和系統(tǒng)以及所需的LLM功能來配置或開發(fā)AI智能體。這種定制化能使代理更加貼合業(yè)務(wù)場景并創(chuàng)造更大的價(jià)值。

　　了解AI智能體的局限性

　　企業(yè)必須了解AI智能體的局限性，才能解鎖其全部業(yè)務(wù)價(jià)值。這不僅能夠指導(dǎo)實(shí)施過程，還能夠管理利益相關(guān)者對(duì)范圍、性能和影響的預(yù)期。

　　AI智能體的主要局限性之一是缺乏像世界模型這樣的關(guān)鍵組件，而這是AI智能體建立對(duì)環(huán)境的內(nèi)部理解并預(yù)測結(jié)果的基礎(chǔ)。

　　人類通過內(nèi)部或抽象表征來理解世界的運(yùn)作方式。例如孩子在多次看到蘋果從樹上掉落后，就能預(yù)測下次蘋果會(huì)如何掉落。當(dāng)遇到異常或意外情況(例如蘋果漂浮在空中)時(shí)，我們會(huì)嘗試進(jìn)行驗(yàn)證并且可能需要更新心中的模型或世界狀態(tài)。

　　這種主動(dòng)學(xué)習(xí)過程是AI智能體“理解”上下文并根據(jù)需要進(jìn)行更新或改進(jìn)的關(guān)鍵。當(dāng)前基于LLM的AI智能體的記憶組件通常基于聊天記錄和系統(tǒng)日志，但這些組件無法完整捕獲和存儲(chǔ)代理自身、環(huán)境或世界的動(dòng)態(tài)變化。

　　由于基于LLM的AI智能體從數(shù)據(jù)分布中識(shí)別出相關(guān)性和概率而非因果關(guān)系，因此它們不一定是最好的AI技術(shù)選擇。例如在路線規(guī)劃等對(duì)準(zhǔn)確性和效率要求極高的領(lǐng)域，基于圖的算法仍優(yōu)于LLM。

　　此外，企業(yè)需要明白AI智能體不同于AI模型。AI智能體是通過整合多種技術(shù)實(shí)現(xiàn)感知、推理和行動(dòng)的復(fù)合型AI系統(tǒng)。LLM所不擅長的預(yù)測、規(guī)劃和優(yōu)化等工作卻是其他AI技術(shù)的強(qiáng)項(xiàng)。

　　了解這些局限性對(duì)企業(yè)至關(guān)重要，我們距離能夠?qū)㈥P(guān)鍵決策任務(wù)托付給基于LLM的代理還有很長的路要走。

　　專注于核心企業(yè)組件

　　鑒于AI智能體的開發(fā)具有高度的不確定性、技術(shù)復(fù)雜且更新?lián)Q代速度快，企業(yè)必須采取敏捷的策略。這將幫助企業(yè)大幅減少從投入到產(chǎn)出的時(shí)間，建立信任和品牌忠誠度，適應(yīng)技術(shù)和市場的不斷發(fā)展。

　　在開發(fā)AI智能體框架或解決方案時(shí)，應(yīng)考慮采用“即插即用”型組件、技術(shù)或模型避免廠商鎖定。不建議在內(nèi)部建立龐大的框架和工具，而是應(yīng)該優(yōu)先選擇開放、具有互操作性的供應(yīng)商解決方案或積極使用和貢獻(xiàn)開源AI智能體技術(shù)堆棧的供應(yīng)商解決方案。