盡管供應(yīng)商表示，他們當前基于Agentic AI的產(chǎn)品很容易實施，但分析師表示，事實遠非如此。

軟件供應(yīng)商的宣傳方式正在演變，Agentic AI開始在其營銷信息中取代GenAI，他們說，Agentic AI不僅能生成代碼或內(nèi)容供人類審查，還能遵循指令、做出決策、并在沒有人類干預(yù)的情況下采取行動，就像人類工作者一樣。

Agentic AI遠不止是更智能的RPA

Agentic AI不僅僅是RPA的升級版，它有望帶領(lǐng)企業(yè)到達RPA永遠無法企及的高度。

基于Agentic AI的軟件提供商、初創(chuàng)公司Doozer AI的聯(lián)合創(chuàng)始人Paul Chada表示：“可以把RPA想象成軌道上的火車——它只能前往鋪設(shè)了軌道的地方。Agentic AI更像是一輛自動駕駛汽車——它可以根據(jù)不同路線和情況自適應(yīng)導(dǎo)航?！?/p>

Nucleus Research的高級分析師Cameron Marsh表示，使Agentic AI具有自主性或能夠獨立采取行動的關(guān)鍵在于其解釋數(shù)據(jù)、預(yù)測結(jié)果、做出決策以及從新數(shù)據(jù)中學(xué)習(xí)的能力——這與傳統(tǒng)的RPA截然不同，后者在遇到意外數(shù)據(jù)時會出錯。

據(jù)Chada稱，Agentic AI的這種自適應(yīng)性可以幫助企業(yè)處理傳統(tǒng)RPA無法管理的復(fù)雜、可變的任務(wù)，如理賠員、信貸員或個案工作者的角色，從而提高效率，但前提是它能夠訪問完成任務(wù)所需的必要數(shù)據(jù)、工作流程和工具。

軟件供應(yīng)商已經(jīng)在宣傳其能夠訪問這些資源的Agentic AI產(chǎn)品，包括Salesforce的Agentforce、基于Microsoft Copilot的自主代理、ServiceNow的AI代理、Google的Vertex AI Agent Builder、Amazon Bedrock代理和IBM的watsonx Agent Builder等，未來可能還會有更多。

那么，現(xiàn)在是CIO投資這項技術(shù)的時候了，還是再等等更好呢?

更優(yōu)秀的代理的早期階段

Agentic AI承諾實現(xiàn)無需人類干預(yù)的自動化，供應(yīng)商表示這很容易實施——但行業(yè)分析師和其他專家表示，對于今天新興的Agentic AI技術(shù)而言，事實遠非如此。

Gartner分析師Tom Coshow在10月初的一篇博客文章中寫道：“當前基于大型語言模型(LLM)的助手與成熟的AI代理之間存在巨大差距”，并指出為了縮小這一差距，企業(yè)必須學(xué)會構(gòu)建、管理和信任這些AI代理。

Coshow預(yù)測，即使在2028年，Agentic AI也只會應(yīng)用于三分之一的企業(yè)應(yīng)用程序，使得“高達15%的日常工作決策能夠自主完成”。

對于加拿大Dev Consult公司的首席顧問Martin Bechard來說，“Agentic AI正處于早期采用階段，最初的產(chǎn)品存在缺陷”。

Tola Capital(一家企業(yè)軟件初創(chuàng)公司的投資者)的Greg Ceccarelli表示，衡量Agentic AI何時能夠更廣泛應(yīng)用也是一個棘手的問題。“目前行業(yè)內(nèi)最大的障礙之一是缺乏針對特定工作流程的基準”，無法比較代理和人類在任務(wù)上的表現(xiàn)，他說，少數(shù)存在的基準，如OSWorld，都非常學(xué)術(shù)化?！霸谶@個問題上，行業(yè)目前仍處于第0天?！?/p>

采用并不容易

雖然供應(yīng)商將他們的Agentic AI工具描繪成容易采用，但這并不像在工作流程中用代理替換人類決策者那么簡單。

研究公司The Futurum Group的CIO實踐副總裁Dion Hinchcliffe表示，在最簡單的層面上，已經(jīng)設(shè)計為與人類合作的RPA工作流程在準備好用于Agentic AI之前，很可能需要進行重大改造。他說，利用Agentic AI處理非結(jié)構(gòu)化數(shù)據(jù)、管理情境決策和動態(tài)交互的能力，通常并不像更新現(xiàn)有腳本或工作流程那么簡單。

Moor Insights and Strategy的首席分析師Jason Andersen表示，必要的工程工作可能包括評估然后向自主式平臺公開合適的服務(wù)、API、數(shù)據(jù)和控制，以確保代理擁有完成給定任務(wù)所需的上下文和工具。

對于IT咨詢公司Eden Digital的創(chuàng)始人Anil Clifford來說，企業(yè)需要改變其整體的自動化方法，因為Agentic AI的概率性質(zhì)與傳統(tǒng)上確定性的自動化有著根本的不同。

讓工作變得更輕松是一項艱巨的任務(wù)

一些平臺供應(yīng)商已經(jīng)提供了低代碼和無代碼代理開發(fā)和管理平臺，但分析師表示，這些平臺的功能僅限于構(gòu)建簡單的代理或修改供應(yīng)商自己構(gòu)建的代理模板。

Futurum的Hinchcliffe表示：“創(chuàng)建更復(fù)雜的代理，特別是那些需要定制集成和細微決策能力的代理，仍然需要對數(shù)據(jù)流、機器學(xué)習(xí)模型調(diào)優(yōu)和API集成有一定的技術(shù)理解?！彼a充說，這些平臺有一定的學(xué)習(xí)曲線，遷移過程可能耗費大量資源。

Marsh表示，Nucleus Research采訪過的大多數(shù)關(guān)于嘗試Agentic AI的企業(yè)都表示，學(xué)習(xí)曲線比供應(yīng)商聲稱的要陡峭得多，特別是在大規(guī)模實施Agentic AI所需的定制深度方面。

Moor的Andersen給出了一個具體的例子：雖然無代碼平臺提供了與其他應(yīng)用程序一起工作的連接器等集成工具，但在創(chuàng)建一個代理來完成與該應(yīng)用程序的復(fù)雜任務(wù)之前，一個有經(jīng)驗的開發(fā)人員或企業(yè)架構(gòu)師必須先設(shè)置整個后端工作流程。

仍在使用舊版應(yīng)用程序(這些應(yīng)用程序的連接器可能不可用或功能有限)的企業(yè)還有其他擔憂。

Google的云客戶工程師Shruti Dhumak表示：“這些系統(tǒng)通常存在集成挑戰(zhàn)，使得對現(xiàn)有技術(shù)棧進行重大改變變得困難。這就像試圖將一臺全新的超級智能計算機安裝到仍在運行舊軟件機器的舊工廠里一樣。”她補充說，在云中誕生或成長的初創(chuàng)公司或企業(yè)可能會發(fā)現(xiàn)更容易采用Agentic AI。

如果不是現(xiàn)在，那是什么時候?

Dev Consult的Bechard認為，目前對Agentic AI的投資更像是對其潛力的押注，而不是真正的投資，但隨著Agentic AI能力的提高，這種賭注的勝算可能會發(fā)生變化。“決策者必須通過實驗來學(xué)習(xí)或建立一個灘頭陣地，如果技術(shù)持續(xù)改進，這將成為一種戰(zhàn)略優(yōu)勢?！彼f。

SanjMo的首席分析師Sanjeev Mohan建議CIO們拭目以待，他認為，如果現(xiàn)有的RPA運行良好，就沒有必要花費在Agentic AI上，并建議在決定實施Agentic AI之前，先了解用例的價值。

其他分析師建議，分層或分階段采用這項技術(shù)可能是最佳路徑。

Eden Digital的Clifford建議將Agentic AI作為RPA的補充，而不是替代?！斑@種方法允許企業(yè)繼續(xù)對結(jié)構(gòu)化、重復(fù)性任務(wù)進行RPA投資，同時逐步引入AI代理來處理更復(fù)雜、依賴情境的流程?！彼f。

Hinchcliffe也建議仔細權(quán)衡金錢和時間上的成本與企業(yè)敏捷性、可擴展性和運營效率方面的收益，并為這個等式增加了另一個變量：RPA供應(yīng)商可能會自己提供Agentic AI功能——UiPath已經(jīng)在朝這個方向發(fā)展——這可能為企業(yè)提供了一種更安全、更快的替代方案，而不是自己實施Agentic AI。