智能體AI承諾將徹底改變企業(yè)運營。它們已經(jīng)可以編寫代碼、解決工單并在應(yīng)用程序和系統(tǒng)間編排工作流程。但隨著CIO們競相部署智能體，他們發(fā)現(xiàn)了一個令人不安的真相：將AI工具串聯(lián)在一起并創(chuàng)建一個多智能體框架來做更多超越降本增效的事情是極其困難的。

CIO們面臨著從智能體AI投資中展示可量化價值的壓力。但Gartner高級總監(jiān)分析師Anushree Verma指出，存在一個難題：許多組織仍然依賴傳統(tǒng)指標(biāo)如人員減少、時間節(jié)省和生產(chǎn)力提升來衡量投資。這些方法無法捕捉"AI智能體驅(qū)動工作流程的獨特成本和價值動態(tài)"。

Gartner預(yù)測，到2026年底，40%的企業(yè)應(yīng)用程序?qū)⑴鋫涮囟ㄈ蝿?wù)的AI智能體，但組織將在2027年前中止40%的智能體AI項目。Verma警告說："CIO必須擺脫供應(yīng)商提供的不透明衡量標(biāo)準(zhǔn)，專注于對業(yè)務(wù)領(lǐng)導(dǎo)者最重要的財務(wù)收益。"

波士頓咨詢集團(tuán)AI集成部門BCG X的常務(wù)董事兼首席技術(shù)官Matt Kropp回應(yīng)了這些擔(dān)憂。"存在大量炒作，也有許多新興供應(yīng)商解決方案聲稱自己是基于智能體的AI。目前，大多數(shù)提供的ROI很少。"

Kropp表示，AI編排對于減少碎片化、可觀察性差距和安全風(fēng)險至關(guān)重要。

超越聊天機(jī)器人

將自主智能體整合以簡化復(fù)雜流程是一個吸引人的提議。Gartner預(yù)測，到2028年，15%的日常工作決策將自主進(jìn)行。然而，對于什么構(gòu)成智能體AI存在顯著困惑，許多供應(yīng)商通過錯誤聲稱聊天機(jī)器人和其他AI工具提供智能體能力而加劇了這個問題。

智能體AI建立在能夠感知環(huán)境、做出決策并采取行動以實現(xiàn)特定目標(biāo)的自主系統(tǒng)之上，幾乎不需要人類干預(yù)。理想情況下，它是重新連接工作流程的一種方式。然而，智能體以及創(chuàng)建多智能體框架的智能體組合不僅僅是重新分配任務(wù)，它們還重新組合傳統(tǒng)角色并創(chuàng)建新功能。

重新思考角色和責(zé)任

有效使用時，會帶來更大的組織智能。PwC的AI工廠領(lǐng)導(dǎo)者Jacob Wilson解釋說："通過跨智能體持續(xù)感知、決策和調(diào)整流程，多智能體系統(tǒng)使組織能夠近實時動態(tài)響應(yīng)需求變化、中斷和機(jī)遇。這是從人員更快工作轉(zhuǎn)向業(yè)務(wù)更快更好運行的轉(zhuǎn)變。"

然而，多智能體系統(tǒng)需要的不僅僅是新工具和技術(shù)。Kropp說，當(dāng)DevOps團(tuán)隊和其他團(tuán)隊從編寫代碼轉(zhuǎn)向提示智能體為他們編寫代碼時，思維方式也必須改變。他將此描述為與以前自動化浪潮的根本背離。"這要求你停止用代碼思考，而是以功能和能力的方式思考。"

擁有結(jié)果

CIO必須在其他方面重置思維。PwC的Wilson說，接受"人類不再需要接觸每一行代碼來保持控制"是至關(guān)重要的。在智能體驅(qū)動的軟件開發(fā)生命周期中，人們必須定義流程、工作流程和關(guān)鍵指標(biāo)，然后讓智能體"處理繁重的工作"。SDLC不會消失，它演變成一個更具適應(yīng)性和自動化的系統(tǒng)，人類驗證結(jié)果并在信號表明偏離時進(jìn)行干預(yù)。

同樣的邏輯適用于ITSM，傳統(tǒng)上涉及以人為中心的工單處理。在多智能體系統(tǒng)中，服務(wù)交接在機(jī)器間以毫秒為單位進(jìn)行，沒有"工單"作為記錄單元。相反，事故解決轉(zhuǎn)向近實時，機(jī)器間在監(jiān)控、診斷、修復(fù)和驗證方面進(jìn)行交接。在這種模式下，數(shù)字"記錄單元"捕獲意圖、上下文、行動、結(jié)果和人類干預(yù)。

從效率指標(biāo)到業(yè)務(wù)價值

有了這些信息，組織可以從基本的戰(zhàn)術(shù)指標(biāo)如時間節(jié)省或成本節(jié)省演進(jìn)到戰(zhàn)略指標(biāo)，如增強(qiáng)的資本速度、價值實現(xiàn)時間和想法到影響的轉(zhuǎn)化。例如，這可能意味著將平均解決時間從小時縮短到分鐘，或增加團(tuán)隊在特定時期內(nèi)可以運行的生產(chǎn)實驗數(shù)量。開發(fā)人員、DevOps團(tuán)隊和其他人開始專注于釋放業(yè)務(wù)價值的方法。Wilson問道："目標(biāo)是用30%更少的時間編碼，還是發(fā)布新的創(chuàng)新功能并增強(qiáng)產(chǎn)品？"

智能體驅(qū)動企業(yè)中的治理

毫不奇怪，強(qiáng)有力的治理是必不可少的。Wilson指出，在以智能體為中心的企業(yè)中，人類角色轉(zhuǎn)向編排和審計，智能體協(xié)助可觀察性、分析和質(zhì)量控制。反饋循環(huán)根據(jù)性能、漂移信號和業(yè)務(wù)結(jié)果持續(xù)改進(jìn)行為，而不是團(tuán)隊執(zhí)行逐行代碼審查。Wilson說，結(jié)果是一個可審計的責(zé)任流，將組織焦點從管理請求推進(jìn)到治理自主操作。

然而，即使有了所有正確的控制措施，建立保障措施也很重要。這包括在智能體系統(tǒng)出現(xiàn)故障時的內(nèi)置緊急關(guān)閉開關(guān)。Wilson說，組織必須指定設(shè)定目標(biāo)、護(hù)欄和風(fēng)險閾值的人類負(fù)責(zé)人。同時，CIO必須建立"硬護(hù)欄，當(dāng)智能體超過信心、財務(wù)或合規(guī)閾值時觸發(fā)升級、限制或關(guān)閉"。

編排成功

隨著組織建設(shè)多智能體AI框架，Gartner的Verma建議CIO徹底審查供應(yīng)商并了解他們對智能體AI的愿景和定義。同樣重要的是要考慮內(nèi)部組織因素，如可擴(kuò)展性、智能體蔓延和技術(shù)債務(wù)。她說，成功取決于學(xué)會將復(fù)雜、多面的業(yè)務(wù)流程轉(zhuǎn)化為高度編排的智能體工作流程。

Verma還敦促CIO關(guān)注減少供應(yīng)商鎖定并使在不重建工作流程的情況下更容易交換工具的新興標(biāo)準(zhǔn)和連接工具。例如，模型上下文協(xié)議簡化了大語言模型與企業(yè)系統(tǒng)之間的連接。Gartner預(yù)測，到2028年它將驅(qū)動50%的AI集成，較今天的2%大幅上升。Stripe的智能體商務(wù)協(xié)議、Google的智能體支付協(xié)議以及各種智能體間交互標(biāo)準(zhǔn)也已出現(xiàn)。

Wilson說，最佳實踐組織專注于四個核心特征：編排、可觀察性、安全性和治理。它們共同支持AgentOps功能，通過設(shè)定標(biāo)準(zhǔn)、管理風(fēng)險和執(zhí)行負(fù)責(zé)任的AI來讓CIO保持控制。同時，開發(fā)人員和業(yè)務(wù)部門仍然負(fù)責(zé)關(guān)鍵結(jié)果。

Verma總結(jié)道："AI競賽中的領(lǐng)導(dǎo)地位不會由那些追求更好模型的人實現(xiàn)，而是由那些彌合價值差距的人實現(xiàn)。"

Q&A

Q1：智能體AI與傳統(tǒng)聊天機(jī)器人有什么區(qū)別？

A：智能體AI建立在能夠感知環(huán)境、做出決策并采取行動以實現(xiàn)特定目標(biāo)的自主系統(tǒng)之上，幾乎不需要人類干預(yù)。而許多供應(yīng)商錯誤地聲稱聊天機(jī)器人和其他AI工具提供智能體能力，實際上它們?nèi)狈φ嬲淖灾鳑Q策和行動能力。

Q2：為什么傳統(tǒng)的ROI衡量方法不適用于智能體AI？

A：傳統(tǒng)指標(biāo)如人員減少、時間節(jié)省和生產(chǎn)力提升無法捕捉AI智能體驅(qū)動工作流程的獨特成本和價值動態(tài)。組織需要從基本的戰(zhàn)術(shù)指標(biāo)演進(jìn)到戰(zhàn)略指標(biāo)，如增強(qiáng)的資本速度、價值實現(xiàn)時間和想法到影響的轉(zhuǎn)化。

Q3：在智能體驅(qū)動的企業(yè)中如何保證安全和控制？

A：需要建立強(qiáng)有力的治理機(jī)制，包括內(nèi)置緊急關(guān)閉開關(guān)、指定負(fù)責(zé)設(shè)定目標(biāo)和護(hù)欄的人類負(fù)責(zé)人，以及建立硬護(hù)欄，當(dāng)智能體超過信心、財務(wù)或合規(guī)閾值時觸發(fā)升級、限制或關(guān)閉。人類角色轉(zhuǎn)向編排和審計，通過AgentOps功能保持控制。