AI Agent的普及：辨別炒作與實質
作者：Gartner研究副總裁 孫鑫
當前的技術領域見證了對人工智能(AI)代理(Agent)的興趣激增，這些AI Agent能夠自主運行并在各個行業中執行復雜任務。這項快速發展的技術為組織提供了變革性的機遇。然而，在探索這一不斷演變的領域時，企業須持審慎態度。近一年來，出現了一種被稱為“Agent Washing”的現象，某些供應商可能會夸大其產品的功能，通過重新品牌化現有技術為AI Agent，然而實際上卻未能驗證這些聲稱的真實Agent能力。這種情況可能導致市場的混淆和誤導性的投資決策。
定義真實的AI Agent能力
為有效利用AI Agent的潛力，必須建立對其核心特征的清晰且一致的理解。AI Agent的最佳定義是：利用人工智能進行感知、決策、采取行動，并在數字或物理環境中自主或半自主地追求既定目標的軟件實體。真正的AI Agent具備適應、規劃和獨立行動的能力，從而能夠在較長時間內實現組織的目標。所需的能力超越了傳統的AI助手、機器人流程自動化(RPA)工具與聊天機器人。
明確AI Agent不是什么
• 大語言模型：它們只是模型，不是 AI Agent。
• 一組指令：通過特定指令(如子程序)執行的任務不是 AI Agent。
• 自動化軟件中的功能：像Procedure這樣的流程不是 AI Agent。
• 來自 RPA 工作流的自動化過程：來自機器人流程自動化(RPA)工作流的任務不是 AI Agent。
• 對話助手：任何類型的助手，包括對話助手，都不是 AI Agent。
• 助手的界面：像助手用戶體驗(UX)這樣的界面并不定義 AI Agent。
評估AI Agent產品真實性的關鍵指標
• 自主決策能力
真正的AI Agent應能在最小人工干預的情況下理解復雜環境、制定決策并執行任務。這種能力不僅體現在執行預定任務上，更體現在面對未預見情況時的應對能力上。
• 適應性和學習能力
真正的AI Agent應能夠從經驗和反饋中學習，持續優化自身表現。這種學習不僅限于模式識別，還包括理解上下文、調整策略和改進決策過程。相比之下，“Agent Washing”產品通常缺乏這種持續學習的能力，它們的表現往往停留在初始設計的水平上，難以隨時間推移而改進。
• 交互和協作能力
成熟的AI Agent應能夠理解自然語言指令，與人類和其他系統進行有效溝通。隨著技術發展，多Agent協作將成為趨勢，真正的AI Agent應能夠在復雜任務中與其他Agent協同工作。這種協作能力是區分真假AI Agent的另一個重要標準。
• 價值創造能力
真正的AI Agent應能夠為企業創造可衡量的價值，如提高效率、改善決策或優化資源配置。即使技術先進，如果無法為用戶創造實際價值，也難以被視為成功的智能體產品。企業在評估AI Agent產品時，應關注其能否解決實際業務問題，而非僅被概念營銷所吸引。
導覽AI Agent市場
鑒于“Agent Washing”帶來的風險，企業機構應采取詳盡的方法來評估供應商的產品。建議請求詳細的演示，并要求與企業業務應用場景相關的部署參考。同時，對支撐AI Agent發展的架構和技術選擇進行嚴格評估也至關重要，以避免技術債務的積累。軟件工程的領導者應優先全面理解構建復雜AI Agent所需的基本組成部分與架構模式。
對企業戰略的建議
為了充分利用AI Agent的變革潛力，同時降低與“Agent Washing”相關的風險，企業機構應考慮以下戰略建議：
• 建立定義的共識
在組織內部確立對AI Agent及其功能的明確定義。創建潛在用例清單，以引導IT部門與業務單位進行Agent的構建。
• 關注低風險試點
通過以低風險試點項目為起點，減少在展示商業價值時的不確定性，確保在進行重大投資和廣泛實施之前，這些試點項目能夠提供具體的商業成果。
• 審查供應商聲明
仔細審查供應商的聲明，要求提供與您的目標用例類似的部署案例參考。
• 持續監控
應用開發領導者應持續監控AI Agent的發展動態，并深入了解不同產品在代理能力范圍內的適配位置。
• 技能發展
通過投資新的AI特定開發實踐及跨團隊可擴展的技能,企業應加強內部人才培養和知識積累。AI Agent技術發展迅速，企業需要具備評估和應用這些技術的內部能力。通過培訓現有員工或引進專業人才，企業可以建立自己的AI Agent知識庫，減少對供應商宣傳的依賴，做出更加獨立和明智的決策。
• 集成AI Agent能力
將AI Agent能力集成到產品和服務中，針對高價值用例進行開發，以增強生產力和決策能力，致力于構建強大且可擴展的解決方案。
通過采取以上措施，企業機構可以更加自信地在不斷演變的AI Agent領域中前行，最大限度地發揮其推動創新與實現戰略目標的潛力。
