人工智能行业从即时到目的：用代理AI解锁商业价值

如何自动化、优化和扩展代理式AI从提示到用途以智能体AI释放商业价值2从提示到目的：使用智能体AI解锁商业价值引言近期推动这种采用的因素是客户服务、IT、销售、运营以及研发等流程密集型领域。随着组织寻求提升生产力、效率和增长的新水平，预计到2028年，自主智能的价值将达到4500亿美元。2 . 1https://www.capgemini.com/wp-content/uploads/2025/07/Final-Web-Version-Report-AI-Agents.pdf2https://www.capgemini.com/wp-content/uploads/2025/07/Final-Web-Version-Report-AI-Agents.pdf在企业AI的讨论中，大部分的注意力——以及炒作——都集中在生成式AI和大型语言模型（LLM）：以ChatGPT为代表的AI，以及它的文本写作能力、图像创建能力、代码生成能力、音乐创作能力等等。然而，实现这一价值可能具有挑战性。强大的模型是基础，但为了便捷、连接性和信任，还需要构建一种有效的代理式AI解决方案。这需要系统设计优先考虑无缝集成、清晰的治理框架和可重用、可组合的架构，以及对准备就绪的AI数据的访问和治理。同样重要的是，一个业务用户界面，它允许技术和非技术人员都能高效地进行规模化开发和监控。在本文中，我们探讨了成功的技术前提条件、最常见的行业障碍，以及正确的平台方法如何解决数据碎片化、不可预测的成本和交付价值的时间问题。我们还提供了一个理想解决方案的实用清单，并分享了现实世界中成功的案例。智能体AI正在迅速改变对话。根据嘉信的近期研究，193%的领导者认为在未来12个月内成功大规模部署代理式AI将带来竞争优势。的确，采用的速度如此之快，以至于研究人员感到有必要与大多数受访者再次核实。37%25%3什么是自主AI？从提示到目的：使用智能体AI解锁商业价值在试点或实施 AI 代理的组织中$450 到2028年，由AI代理在14个国家产生的预计经济价值达百亿自主型人工智能是一种能够自行设定目标、做出决策并采取行动以实现目标，而不需要任何特定指令说明的系统。它由多种不同类型的智能体协同工作，以收集、理解和处理信息。它还能通过自身的行动进行学习，以改进其响应，无需人工干预。智能代理可以包括机器人流程自动化（RPA）、机器学习模型，以及能够生成、验证和总结内容的生成式AI代理，作为更广泛任务的组成部分。例如，Snowflake Cortex Agents是生成式AI代理，通过分解复杂查询、检索相关数据以及生成精确答案，帮助从复杂的结构化和非结构化数据集中检索数据洞察。到2028年，实现业务流程的半自动化到全自动化运营 0102030405064从提示到目的：使用智能体AI解锁商业价值在准备其组织并考虑解决方案和合作伙伴时，考虑代理式AI的企业和技术领导者应该因此寻找包括在内的关键成功因素：获取统一、适用于人工智能的数据：为了获得全面的情况，人工智能代理需要无缝访问来自所有相关来源的完整、一致和连接的数据。没有它，代理式人工智能无法智能地行动或做出相关决策。可组合ai工作流：在一个智能体ai系统中，没有一个智能体单独工作。可组合工作流让企业混合、匹配和重用ai组件。它是实现真正可扩展性和成本效益的关键。自优化的AI管道：代理式AI学习、适应和扩展。自优化通过将反馈转化为改进，使得这一切成为可能，这保证了独立代理的安全、有效和按计划进行。实时数据处理：AI代理即时行动。它们需要实时数据来理解当前正在发生的情况，并做出及时决策以确保它们达成既定目标。成功代理式AI的关键特性优化计算能力：AI代理处理大量数据并快速做出决策。这是一项计算密集型的工作。高效的计算能力可保持高性能并控制成本。自动化数据治理：人工智能代理必须遵守规则。强大的治理和安全框架确保运营表现符合道德和法律，并为企业提供对自动化劳动力的监督。在其本质而言，代理式AI可以部署于广泛的应用场景。无论一个组织是实施它来个性化零售体验，加速临床试验，或检测和预防金融欺诈，大多数成功的实施都基于同样的关键特性。 5从提示到目的：使用智能体AI解锁商业价值3. 零售和电子商务2. 制造和供应链1. 电信检测和自愈网络故障：AI代理实时监控、诊断和解决网络问题。管理活动：代理式人工智能根据实时绩效数据设计和启动营销活动，然后根据需要通过调整创意、受众细分和时间来优化它们。增强个人购物：AI代理跨多个会话和渠道协助单个客户，策展推荐，管理愿望清单，并协商报价。预测性维护设备：AI代理不仅标记异常，还规划并安排维修、订购零件，并协调维护团队以防止维护不足和过度维护。优化退货和退款：智能代理处理购买后的任务，例如处理退款、提供换货、标记滥用或更新库存，近乎实时。优化生产线：AI代理监控需求波动、设备性能和材料限制，然后根据需要调整工作流程、机械和供应路线——实时进行。追踪环境绩效：AI代理跨供应链收集、分析并报告相关数据，以实现实时合规、与可持续发展目标保持一致以及高效的ESG报告。监控监管合规：AI代理持续扫描广播内容及用户交互，以标记或自动调整针对新兴的内容审核与数据。管理客户生命周期：基于实时活动、行为和账户状态的超个性化客户体验，可提升客户旅程。三个代理式AI价值的热点行业 01026从提示到目的：使用智能体AI解锁商业价值最常见的五个障碍和瓶颈一个面临以下一个或多个警示信号的项目，其失败的可能性远大于一个没有这些警示信号的项目。复杂的、低效的扩展：当实施代理式AI时，许多企业发现他们的时间都花在了“重新发明轮子”或添加很快变得冗余的组件上。由于他们没有标准管道和可重用组件，他们的资源被浪费，数据保持孤岛化，成本上升，最终他们的AI未能达到预期。正如存在对代理型AI成功部署至关重要的共同因素一样，也存在常见的障碍。数据碎片化、复杂的治理、成本低效以及可扩展性是实现代理型AI价值的最大障碍。缺乏可组合性和治理：代理式人工智能可以自主行动，但仍需商业领袖进行强有力的监督。如果没有健全的道德框架和明确的限制措施，代理可能会以产生实际业务损害的方式追求目标。除了失控的代理之外，薄弱的监控也打开了数据安全问题的大门，并使企业面临监管风险。 0304057从提示到目的：使用智能体AI解锁商业价值运营壁垒和集成挑战：AI代理旨在相互协作，并与人力共同工作。但断开的AI工具是糟糕的合作伙伴，难以在职能间合作。企业最终重复工作，这减缓了采用进程。转型受阻，企业最终只得到一个更昂贵的“按部就班”版本。在最好的情况下，这些挑战会减缓价值实现的速度。在最坏的情况下，它们会完全破坏价值实现。计划中的业务效益无法实现，并且AI获得必要信任所需的时间会更长。不可预测的成本和不一致的表现：人工智能模型会随着时间的推移而退化并且性能下降，就像一个有价值但过度劳累的员工一样。但是，与人工智能代理相关的问题可能要难得多才能发现和修复。优化是必要的，但当项目对性能和支出没有清晰的可见性时，这仅是一种猜测。考虑云和移动。这些技术通过协助人类工作者使商业生活更轻松。但代理式AI更接近一个虚拟人类。它不仅仅是提供帮助；它根据被授予的权