这两种相关技术可以协同工作，但CIO应了解它们之间的区别，以防受供应商夸大宣传和混淆概念的影响。

图源：Rob Schultz / Shutterstock

agentic AI（代理型人工智能）仍处于起步阶段，而各组织纷纷急于采用AI agents（智能体），似乎对这两项技术之间的差异存在一些混淆。

许多人一直将“agentic AI”和“AI agents”这两个术语交替使用，但专家表示，人们越来越认识到这是两种虽相互关联但又有所不同的工具。专家称，CIO们应该了解这种差异，以确保为工作选择合适的工具。

AI从业者开始这样定义这两种技术：agentic AI是组织IT系统中执行特定功能的工具，目标是产生可预测的结果。AI agents的工作范围较窄，通常学习新信息的能力有限。

他们还表示，仍处于起步阶段的agentic AI是一种综合性技术，它可以利用智能体和其他人工智能工具创建完全自主的系统，这些系统能够自行设定目标、随着时间推移进行学习，并在不同任务之间进行推理。

移动安全供应商iVerify的机器学习主管Numa Dhamani（努玛·达马尼）表示，一些公司已开始部署agentic AI的早期原型，但一个真正的自主系统所需的长期持久内存和其他功能目前还无法实现。

“agentic AI能够设定或重新确定目标优先级，它们能够动态地对不同领域的任务进行推理。”她说道，“它们可以进行自我反思或改进循环，还开始就执行哪些任务以及如何对任务进行排序做出决策。”

软件治理供应商ModelOp的首席技术官Jim Olsen（吉姆·奥尔森）表示，CIO们可以将智能体视为单个参与者或员工，而agentic AI则是一个更大的团队。“团队中的每个成员都为整体任务带来特定的能力（工具）和专业知识（培训），而agentic AI则是整个团队共同协作解决问题，”他补充道。

电子邮件营销平台供应商Constant Contact的人工智能主管Louis Gutierrez（路易斯·古铁雷斯）也用参与者和团队的比喻来解释。

“agentic AI更像是一个协调层——一个监督和协调多个智能体以实现更广泛目标的系统，”他补充道，“如果AI智能体是单个参与者，那么agentic AI就是教练、团队和战术手册协同工作。”

一、为何CIO们应关注？供应商的混淆策略

iVerify的Dhamani（达马尼）表示，尽管这两种人工智能技术之间的差异听起来像是语义上的问题，但这种区分对CIO们来说很重要，因为目前这两种技术都受到了大量炒作。在某些情况下，供应商所销售的被他们称为智能体或agentic AI的技术，实际上并非如此。

她说道：“你可能只是为那些包装得像智能体的花哨聊天机器人支付了过高的费用。”

她还补充说，CIO应该警惕那些试图向他们（提供）agentic AI的供应商，因为这项技术仍处于初级阶段。在MCP（模型上下文协议）和其他智能体连接协议最近发布之后，AI开发人员开始朝着完全自主的agentic AI迈进，但他们尚未达到所需的共享记忆或工具协调能力。

Dhamani（达马尼）还补充说，一些供应商可能会过度承诺、交付不足，并销售行为不可预测的系统。“我看到很多人在宣传agentic AI，但实际上，它只是一个带有RAG（检索增强生成）的聊天机器人它只是一个检索一些文档或调用计算器的聊天机器人，这并不是真正的智能代理体验。”

Constant Contact的Gutierrez（古铁雷斯）表示，如果AI供应商无法解释其技术的工作原理，这就是一个危险信号。“值得弄清楚你购买的是一个真正的智能代理系统，还是一个用流行术语包装起来的工作流智能体。这个领域最大的危险在于混淆概念——这并不总是故意的，但夸大技术的实际作用很常见。”

Dhamani（达马尼）称，如果不完全了解智能体和agentic AI的工作方式，CIO和其他IT领导者可能也无法意识到其中涉及的风险以及所需的监督。

她补充道：“你需要对它们进行监控和审计。如果你现在开始进行诸如调用工具和发起行动等操作，就会引入很多协调方面的复杂性，而且影响范围也会扩大，可能出错的地方就会出错。”

二、你真的需要自主型机器人吗？

随着agentic AI的出现，首席信息官需要问自己的第一个问题就是他们是否真的希望自主型AI在其IT系统中运行，ModelOp的Olsen（奥尔森）补充道。

他说：“真正的agentic AI依赖于给予解决方案一定程度的自主权，以便它能自行确定完成任务的最佳方式。绝对建议进行最终审查，因为事情可能会失控。考虑到这可能给你的业务带来高风险，你真的需要那种完全的自主权来完成任务吗？”

Olsen（奥尔森）表示，使用MCP或其他协议将智能体相互连接也会带来数据泄露的风险。

他问道：“如果你真的想实现智能体之间的交互，通过那条路径可能会泄露哪些数据呢？你有一个只能访问这个客户数据库的工具，该数据库包含社保号码，但随后这个智能体将这些号码发送给了另一个有权访问Slack的智能体，然后这些号码就被发布到了公共的Slack频道上。”

Olsen（奥尔森）认为这两种技术都在迅速发展。现在由LLM（大语言模型）AI驱动的代理，将转而依赖经过训练以应对分配给代理的任务的SLM（小语言模型），他表示。智能体将变得更智能、更可靠。

他说：“我相信我们将开始拥有真正专业的智能体，在这种情况下，你会使用一个针对特定任务进行高度训练的SLM，就像你会把软件程序员、敏捷专家和产品经理聚集在一起那样。你将开始培养专门的团队成员，也就是智能体，它们将非常擅长执行那些特定任务。”

尽管未来充满希望，但Dhamani（达马尼）建议，考虑采用这两种AI变体的CIO和其他IT领导者在投身其中之前应该做好功课。他们需要了解AI将如何受到监督，并需要确保他们的数据已清理完毕，随时可供智能体或agentic AI使用。

她建议各组织从小规模开始。她说：“我会从一个非常受限的低风险用例入手。一开始让智能体处于只读或仅提供建议的模式，然后在它达到所有性能阈值后，再逐步增加其自主权。”

作者：Grant Gross（格兰特·格罗斯）

Grant Gross（格兰特·格罗斯）是CIO的资深撰稿人，是一名长期的科技记者。他曾担任华盛顿记者，后来担任IDG新闻服务的高级编辑。在他职业生涯的早期，他曾担任Linux.com的总编辑和科技职业网站Techies.com的新闻编辑。在遥远的过去，他曾在明尼苏达州和达科他州的报纸担任记者和编辑。

译者：宝蓝

睿观：

CIO必须清晰区分“AI智能体（AI agents）”与“代理型人工智能（agentic AI）”（核心要求）。“智能体”是执行特定任务、结果可预测的“单个参与者”；而“代理型AI”是能自主设定目标、跨领域推理并协调多个智能体的“团队”，目前尚不成熟（核心定义区分）。由于供应商可能混淆概念、夸大宣传，且新技术带来更复杂的协调与数据泄露风险，CIO应审慎评估自主性的必要性，并采取从小处着手、逐步增加权限的策略，以确保AI部署的安全与有效（风险与应对策略）。

金句：

在AI的世界里，智能体是“士兵”，代理型AI是“将军”；分清兵与将，才能在避免风险的同时，赢得真正的自动化战役。