智能体AI存在价值差距 传统ROI模型难以弥合

智能体AI承诺将彻底改变企业运营。它们已经可以编写代码、解决工单并在应用程序和系统间编排工作流程。但随着CIO们竞相部署智能体，他们发现了一个令人不安的真相：将AI工具串联在一起并创建一个多智能体框架来做更多超越降本增效的事情是极其困难的。

CIO们面临着从智能体AI投资中展示可量化价值的压力。但Gartner高级总监分析师Anushree Verma指出，存在一个难题：许多组织仍然依赖传统指标如人员减少、时间节省和生产力提升来衡量投资。这些方法无法捕捉"AI智能体驱动工作流程的独特成本和价值动态"。

Gartner预测，到2026年底，40%的企业应用程序将配备特定任务的AI智能体，但组织将在2027年前中止40%的智能体AI项目。Verma警告说："CIO必须摆脱供应商提供的不透明衡量标准，专注于对业务领导者最重要的财务收益。"

波士顿咨询集团AI集成部门BCG X的常务董事兼首席技术官Matt Kropp回应了这些担忧。"存在大量炒作，也有许多新兴供应商解决方案声称自己是基于智能体的AI。目前，大多数提供的ROI很少。"

Kropp表示，AI编排对于减少碎片化、可观察性差距和安全风险至关重要。

超越聊天机器人

将自主智能体整合以简化复杂流程是一个吸引人的提议。Gartner预测，到2028年，15%的日常工作决策将自主进行。然而，对于什么构成智能体AI存在显著困惑，许多供应商通过错误声称聊天机器人和其他AI工具提供智能体能力而加剧了这个问题。

智能体AI建立在能够感知环境、做出决策并采取行动以实现特定目标的自主系统之上，几乎不需要人类干预。理想情况下，它是重新连接工作流程的一种方式。然而，智能体以及创建多智能体框架的智能体组合不仅仅是重新分配任务，它们还重新组合传统角色并创建新功能。

重新思考角色和责任

有效使用时，会带来更大的组织智能。PwC的AI工厂领导者Jacob Wilson解释说："通过跨智能体持续感知、决策和调整流程，多智能体系统使组织能够近实时动态响应需求变化、中断和机遇。这是从人员更快工作转向业务更快更好运行的转变。"

然而，多智能体系统需要的不仅仅是新工具和技术。Kropp说，当DevOps团队和其他团队从编写代码转向提示智能体为他们编写代码时，思维方式也必须改变。他将此描述为与以前自动化浪潮的根本背离。"这要求你停止用代码思考，而是以功能和能力的方式思考。"

拥有结果

CIO必须在其他方面重置思维。PwC的Wilson说，接受"人类不再需要接触每一行代码来保持控制"是至关重要的。在智能体驱动的软件开发生命周期中，人们必须定义流程、工作流程和关键指标，然后让智能体"处理繁重的工作"。SDLC不会消失，它演变成一个更具适应性和自动化的系统，人类验证结果并在信号表明偏离时进行干预。

同样的逻辑适用于ITSM，传统上涉及以人为中心的工单处理。在多智能体系统中，服务交接在机器间以毫秒为单位进行，没有"工单"作为记录单元。相反，事故解决转向近实时，机器间在监控、诊断、修复和验证方面进行交接。在这种模式下，数字"记录单元"捕获意图、上下文、行动、结果和人类干预。

从效率指标到业务价值

有了这些信息，组织可以从基本的战术指标如时间节省或成本节省演进到战略指标，如增强的资本速度、价值实现时间和想法到影响的转化。例如，这可能意味着将平均解决时间从小时缩短到分钟，或增加团队在特定时期内可以运行的生产实验数量。开发人员、DevOps团队和其他人开始专注于释放业务价值的方法。Wilson问道："目标是用30%更少的时间编码，还是发布新的创新功能并增强产品？"

智能体驱动企业中的治理

毫不奇怪，强有力的治理是必不可少的。Wilson指出，在以智能体为中心的企业中，人类角色转向编排和审计，智能体协助可观察性、分析和质量控制。反馈循环根据性能、漂移信号和业务结果持续改进行为，而不是团队执行逐行代码审查。Wilson说，结果是一个可审计的责任流，将组织焦点从管理请求推进到治理自主操作。

然而，即使有了所有正确的控制措施，建立保障措施也很重要。这包括在智能体系统出现故障时的内置紧急关闭开关。Wilson说，组织必须指定设定目标、护栏和风险阈值的人类负责人。同时，CIO必须建立"硬护栏，当智能体超过信心、财务或合规阈值时触发升级、限制或关闭"。

编排成功

随着组织建设多智能体AI框架，Gartner的Verma建议CIO彻底审查供应商并了解他们对智能体AI的愿景和定义。同样重要的是要考虑内部组织因素，如可扩展性、智能体蔓延和技术债务。她说，成功取决于学会将复杂、多面的业务流程转化为高度编排的智能体工作流程。

Verma还敦促CIO关注减少供应商锁定并使在不重建工作流程的情况下更容易交换工具的新兴标准和连接工具。例如，模型上下文协议简化了大语言模型与企业系统之间的连接。Gartner预测，到2028年它将驱动50%的AI集成，较今天的2%大幅上升。Stripe的智能体商务协议、Google的智能体支付协议以及各种智能体间交互标准也已出现。

Wilson说，最佳实践组织专注于四个核心特征：编排、可观察性、安全性和治理。它们共同支持AgentOps功能，通过设定标准、管理风险和执行负责任的AI来让CIO保持控制。同时，开发人员和业务部门仍然负责关键结果。

Verma总结道："AI竞赛中的领导地位不会由那些追求更好模型的人实现，而是由那些弥合价值差距的人实现。"

Q&A

Q1：智能体AI与传统聊天机器人有什么区别？

A：智能体AI建立在能够感知环境、做出决策并采取行动以实现特定目标的自主系统之上，几乎不需要人类干预。而许多供应商错误地声称聊天机器人和其他AI工具提供智能体能力，实际上它们缺乏真正的自主决策和行动能力。

Q2：为什么传统的ROI衡量方法不适用于智能体AI？

A：传统指标如人员减少、时间节省和生产力提升无法捕捉AI智能体驱动工作流程的独特成本和价值动态。组织需要从基本的战术指标演进到战略指标，如增强的资本速度、价值实现时间和想法到影响的转化。

Q3：在智能体驱动的企业中如何保证安全和控制？

A：需要建立强有力的治理机制，包括内置紧急关闭开关、指定负责设定目标和护栏的人类负责人，以及建立硬护栏，当智能体超过信心、财务或合规阈值时触发升级、限制或关闭。人类角色转向编排和审计，通过AgentOps功能保持控制。