【人工智能】如何利用 AI Agent 提升商业价值

AI Agent 引起了极大的关注，它代表了最新一波解决方案，突破了 AI 的功能界限以及它如何改变组织的运营和竞争方式。

AI Agent 有望提高资源效率、自动执行复杂任务并引入新的业务创新，超越脚本自动化机器人和虚拟助手的能力。

它的与众不同之处在于它实现了根本性的权力转移——将决策权从人类转移到机器。这为 AI Agent 的商业价值及其重塑整个行业的潜力奠定了基础。

根据 Gartner 于 2025 年 1 月对 3,412 名网络研讨会参与者进行的民意调查，53% 的受访者表示其组织正处于 AI Agent 的探索模式，25% 的受访者处于试点模式，只有 6% 的受访者处于生产模式。在同一民意调查中，40% 的受访者计划在未来 6 个月内采取相关举措。

人们对 AI Agent 兴趣的激增也带来了各种解读和不切实际的期望。随着大型语言模型(LLM) 的快速发展，许多组织正在其基础上构建 AI Agent。虽然这些解决方案可以收集和综合信息、与应用程序交互并完成任务，但它们往往难以进行企业情境化决策。

炒作与实际操作之间仍然存在巨大差距。这可能会使组织忽视大规模部署 AI Agent 的实际成本和复杂性，从而阻碍项目投入生产。

企业必须拨开迷雾，辨别 AI Agent 的真相、谬论及其影响。重点应放在构建或使用能够提升商业价值的 AI Agent 所需的关键企业组件上。

01混合搭配AI Agent功能

对于需要能够理解用户意图、检索和处理来自各种数据源的信息并利用工具完成任务的 AI 解决方案的组织来说，AI Agent 是一个不错的选择。

组织必须采取灵活的方法，根据自身用例混合搭配合适的功能。这意味着需要根据可用数据、需要交互的工具和系统以及所需的 LLM 功能来配置或构建 Agent 。这种程度的定制化使 Agent 更贴近业务环境，从而提升其能够交付的价值。

02了解限制

组织必须了解 AI Agent 的局限性，才能充分释放其商业价值。这样做不仅可以指导实施，还能管理利益相关者对范围、性能和影响的期望。

一个关键的限制是缺乏像世界模型这样的关键组件，而这正是 AI Agent 能够建立对其环境的内部理解并预测结果的原因。

作为人类，我们通过内部或抽象的表征来解释这个世界的运作方式。例如，如果一个孩子多次看到苹果从树上掉下来，他们就能预测下一次苹果会如何掉下来。当我们看到一些不寻常或意想不到的事情时，比如一个苹果漂浮在空中，我们会尝试去验证，并且可能需要更新我们的心智模型或世界状态。

这种主动学习过程对于 AI Agent “理解”情境并根据需要进行更新或改进至关重要。目前，基于LLM的 AI Agent 的记忆组件通常基于聊天记录和系统日志。然而，这些组件无法完全捕捉和存储 Agent 本身、环境或世界的动态。

基于 LLM 的 AI Agent 也能从数据分布中学习，识别相关性和概率，而非因果关系。这使得它们并非最易用的光学 AI 技术。例如，在路线规划等准确性和效率至关重要的领域，基于图的算法仍然优于 LLM。

同样重要的是要认识到， AI Agent 不同于 AI 模型。 Agent 是一个复合 AI 系统，它结合了多种技术来感知、推理和行动。预测、规划和优化等功能超出了 LLM 的优势，其他 AI 技术可以更好地处理。

这些限制对于组织来说至关重要，因为我们距离能够委托具有大语言模型的 Agent 进行关键决策还有很长的路要走。

03专注于核心企业组件

鉴于 AI Agent 开发的高度不确定性、技术复杂性和快速发展，采取敏捷方法至关重要。这将帮助企业最大限度地减少从输入到结果的延迟，建立信任和品牌忠诚度，并在技术和市场不断发展变化的过程中保持适应性。

在构建 AI Agent 框架或解决方案时，请考虑“即插即用”的组件、技术或模型，以避免供应商锁定。不建议自行构建庞大的框架和工具。相反，应优先考虑开放且可互操作的供应商解决方案，或者积极利用和贡献开源 AI Agent 技术栈。

免责声明：

本文所发布的内容和图片旨在传播行业信息，版权归原作者所有，非商业用途。如有侵权，请与我们联系删除。所有信息不构成任何投资建议，加密市场具有高度风险，投资者应基于自身判断和谨慎评估做出决策。投资有风险，入市需谨慎。

设为星标 避免错过

虚拟世界没有旁观者，每个点赞都是创造历史的像素

关注我，一起探索AWM⁺

2025-05-28

2025-05-26

2025-05-24

商业赞助

点击下方 “目录” 阅读更多