由于缺乏对代理型人工智能的标准描述，首席信息官可能会购买错误的人工智能工具，或者为未按宣传效果运作的产品支付更多费用。
图片来源：Rob Schultz / Shutterstock
代理型人工智能已取代生成式人工智能，登上了技术炒作周期的顶端，但存在一个重大问题：目前尚无对人工智能代理的标准定义。
随着众多供应商宣传其代理型人工智能产品，定义的缺失可能导致首席信息官和其他IT领导者在购买和部署这一新兴技术时陷入困惑。
一些人工智能专家将代理型人工智能定义为一种可以在企业内部做出自主决策、从过去的经验中学习并调整其响应的工具，而另一些专家则认为，任何具有某种决策功能的人工智能都可被视为代理型人工智能。
在大多数情况下，批评人士指出，供应商尚未提供真正具有实际自主性的代理型人工智能，而是将更简单的人工智能聊天机器人、助手或大型语言模型（LLMs）的附加功能作为代理型人工智能进行推销。许多所谓的代理实际上只是LLM的包装器或“经过美化的LLM工作流程”，Perigon的产品副总裁Zach Bartholomew（扎克·巴瑟洛缪）称。
一、代理跟风现象
目前，IT行业存在大量“代理跟风”现象，银行软件供应商Backbase的人工智能负责人Chris Shayan（克里斯·夏延）表示。
“我参加过几十场供应商的推介会，基础自动化被重新包装为自主代理，”他说，“许多被宣传为代理的解决方案实际上只是具有更好界面的传统算法，而首席信息官和首席技术官正在努力应对这一巨大差异。”
在Shayan（夏延）的定义中，真正的代理能够通过多个步骤进行推理，并拥有一定的独立决策权。例如，银行业已开始实施能够检测异常交易模式并在无需持续人工监督的情况下采取适当行动的人工智能代理，他说道。
“软件的真正自主性意味着能够独立处理端到端的流程——从收集信息、分析选项、执行行动到从结果中学习，”Shayan（夏延）补充道，“真正将代理与其他人工智能系统区分开来的能力在于，它能够在规定的范围内运作，同时适应遇到的新情况。”
处于这一趋势前沿的首席信息官们还发现，鉴于当前技术水平、可用数据以及各种流程在业务中的交织方式，并非所有业务流程都适合代理型人工智能。
二、这种代理并非自主
在缺乏清晰、标准的定义的情况下，批评人士称，IT领导者可能会购买未能按宣传效果运作的产品。
“当所有产品都被称作代理时，首席信息官可能会浪费预算在无法实现真正自主性的软件上——导致团队沮丧、资源浪费以及对人工智能的信心丧失，”Bartholomew（巴瑟洛缪）说，“我们肯定正朝着真正拥有代理的未来迈进，但我认为我们还未完全到达那里。”
Shayan（夏延）补充道，这种混乱可能导致期望值错位和糟糕的采购决策。“当首席信息官实施他们认为是基于代理的解决方案，却只得到经过美化的自动化时，他们错过了真正代理的变革潜力，同时仍需支付高价，”他说，“这会导致投资回报率令人失望，并可能破坏更广泛的人工智能计划。”
三、自主性的连续性
正如对人工智能代理的定义存在差异一样，人工智能专家对这一问题的看法也存在分歧。Bartholomew（巴瑟洛缪）认为真正的代理距离部署大约还有一年的时间，但人力资源软件供应商Dayforce的首席人工智能官David Lloyd（大卫·劳埃德）则认为代理型人工智能更像是一个能力谱系，而不是简单的二元定义。
许多人工智能工具开始具有某种程度的自主性，包括从用户过去的动作中学习，然后基于这些知识采取行动或提出建议的人工智能助手，Lloyd（劳埃德）说。
“这是一个连续体，”他补充道，“只是其中一端非常具有雄心，而另一端则非常实际。”
对Lloyd（劳埃德）而言，定义代理型人工智能不如找到组织所采用的人工智能的正确用途重要。
“让我们问自己这个问题，‘它是否推动了业务价值或可量化的价值？’”他说，“因为如果它不能，那么所有这些都是美妙的猜测。”
随着大型语言模型不断增加看起来越来越像代理的功能，代理与其他人工智能之间的重叠将继续模糊，旅游软件和服务提供商TrEvolution的数据科学负责人Ilia Badeev（伊利亚·巴杰夫）补充道。
目前，“人工智能代理”更像是一个营销标签，而非一个明确定义的术语，Badeev（巴杰夫）认为，许多供应商只是将‘代理’一词贴在人工智能助手和其他工具上，以抓住最近的炒作热潮。
“人工智能代理和助手之间没有明确的区别，”他说，“这只是一种营销上的差异化。”
Badeev（巴杰夫）建议，困惑的首席信息官和IT采购领导者不应关注产品是否被标记为代理，而应寻找他们所需的功能。“唯一重要的是，你得到了什么样的功能？在这些功能中人工智能的准确性如何？价格是多少？”
四、提出恰当的问题
Bartholomew（巴瑟洛缪）和Lloyd（劳埃德）都建议首席信息官和IT采购领导者在从供应商处购买人工智能代理之前提出一系列问题。Lloyd（劳埃德）建议组织在部署类似代理的技术时从小规模、逐步具备能力的方式开始。
“当我与人们交谈时，我使用的术语是他们需要有意识地行动，”他说，“从商业和采购的角度来看，你们是否在组织中构建了一个简单和可能更复杂的用例和任务的组合，希望解决这些问题？”
如果首席信息官想要一个人工智能代理，他们应该提出以下问题，Bartholomew（巴瑟洛缪）说：
它能否自行规划和执行多步骤流程？
它是否会随着时间的推移学习或改进，还是仅仅在运行脚本？
它能自行处理什么样的决策？
它能否在无需他人点击“批准”的情况下采取有意义的行动？
它是否会随着时间的推移变得更好？
它与现有的IT架构的集成度如何？
虽然代理旨在自行做出决策，但Bartholomew（巴瑟洛缪）补充道，首席信息官还将希望保留审计代理行动的选项。
“在可预见的未来，我认为我们将在流程中保留人的参与，”他说，“我不认为每次采取行动都需要人在流程中，但最终会有人监督这些代理的运作方式。”
作者：Grant Gross（格兰特·格罗斯）
译者：穿山甲
【睿观：当前，“代理型人工智能”（Agentic AI）作为技术热点，因缺乏行业标准定义而导致市场概念混乱。众多供应商将功能相对简单的AI工具（如聊天机器人、自动化工作流）包装或重新命名为“AI智能体”进行营销，这给期望获得真正自主决策与行动能力的CIO（首席信息官）带来了巨大风险：可能因定义不清而采购错误的工具、支付过高费用、导致期望落空、浪费投资，甚至损害对AI技术的整体信心。因此，CIO在进行相关技术选型与采购时，必须超越“代理”这一营销标签，审慎评估产品的实际自主能力与业务价值，并向供应商提出一系列具体、深入的关键问题，以确保技术投资的有效性和符合企业实际需求。
主要论据 :
定义模糊引发市场乱象:
缺乏标准：
业界对“AI智能体”没有统一、清晰的定义，导致理解各异。
“代理跟风”：
许多供应商将现有技术（如基础自动化、LLM包装器、优化界面后的传统算法）重新包装成“自主代理”进行宣传，利用市场热度。
认知差距：
CIO和CTO们正努力辨别宣传中的“代理”与实际技术能力之间的巨大差异。
“真假”自主性之辩与潜在风险:
“真正”代理特征：
专家认为，真正的代理应具备多步推理、一定程度的独立决策权、端到端自主处理流程（信息收集、分析、执行、学习）以及适应新情况的能力。
现实差距：
批评者指出，当前许多被标记为“代理”的产品并未达到真正的自主性水平。
风险：
购买名不副实的“代理”可能导致预算浪费、团队受挫、对AI失去信心，并且错失了真正代理技术可能带来的变革潜力，投资回报率令人失望。
自主性视角：连续谱 vs. 价值导向:
二元论 vs. 连续谱：
对于“是否存在真正的代理”，专家意见不一。有人认为真代理尚需时日，有人则视自主性为一个程度不同的连续体（从简单学习到高度自主），许多现有工具已具备部分自主特征。
价值优先：
部分专家强调，与其纠结于定义，不如关注所选AI工具是否能带来可量化的业务价值。功能、准确性和价格比标签更重要。
营销标签：
“AI代理”目前更像是一个抓住炒作热潮的营销术语，而非精确的技术分类。
CIO的应对策略：审慎提问与务实部署:
忽略标签，聚焦功能：
采购时不应被“代理”标签迷惑，应关注所需功能、AI的准确性及成本。
提出关键问题：
向供应商询问具体能力，例如：能否自主规划并执行多步流程？是学习改进还是仅运行脚本？能自主处理何种决策？能否在无人批准下采取行动？能否随时间进步？与现有IT架构的集成度？
保留审计与监督：
即使代理旨在自主决策，也必须保留审计其行为的能力，并在可预见的未来保持流程中的人类监督。
务实部署：
建议从小规模开始，有意识地（“有意识地行动”）逐步引入和评估类代理技术的能力，明确希望解决的用例和任务。】
