“AI 智能体”已成为企业软件领域使用最频繁的词语之一。然而，这个术语被用于差别很大的产品：一个简单的聊天助手和一个能够连接系统并自主完成工作的软件，都可能被当作“智能体”来推销。本文将介绍什么是 AI 智能体、它与助手和传统自动化有何不同，以及企业在部署第一个智能体时可以遵循的步骤。
什么是 AI 智能体？
Gartner 通过将智能体与 AI 助手区分开来对其进行定义。根据 Gartner 的说法，助手使用户的工作更轻松，但依赖人工输入，不能独立工作。当助手被赋予针对特定任务的专业能力时，智能体便应运而生：智能体能够端到端地完成复杂工作。
Gartner 举的例子是一个网络安全威胁响应智能体：它实时扫描网络流量、系统日志和用户行为，评估情况，并在必要时启动响应。换言之，智能体不仅仅是生成答案；它为实现目标而读取数据、作出决策并启动行动。
欧盟《人工智能法》（Regulation (EU) 2024/1689）中对 AI 系统的定义也有助于理解这一区别。该法将 AI 系统定义为一种基于机器的系统，其设计可在不同程度的自主性下运行，并根据所接收的输入推断如何生成输出。智能体是处于这一自主性谱系较高一端的系统。
助手、自动化、智能体：何时选用哪一种？
Gartner 2025 年公告中的建议很简单：需要决策时用智能体，常规工作流程用自动化，简单的信息检索用助手。
| 工具 | 作用 | 适用于 |
|---|---|---|
| 助手 | 回答用户的问题并生成文本；由人来指引 | 查找信息、总结、起草 |
| 自动化（如 RPA） | 每次以相同方式应用预先定义的规则 | 规则明确的重复性任务 |
| 智能体 | 自行规划实现目标的步骤，使用工具并作出决策 | 需要逐案判断的多步骤任务 |
在同一公告中，Gartner 还强调，如今许多被包装成“智能体”的用例实际上并不需要智能体。因此，首先要问的不应是“我们应该构建哪个智能体？”，而是“这项工作真的需要决策吗？”选择框架在文章《RPA 还是 AI 智能体？》中有详细介绍。
智能体的构成要素
无论产品或平台如何，构成智能体的要素大致如下：
- 目标和指令： 智能体应实现什么，以及绝不能做什么。
- 模型： 解读输入并决定下一步的语言模型。
- 工具： 使智能体能够采取行动的连接，例如读取系统中的记录、填写表单或创建电子邮件草稿。
- 上下文和数据： 智能体在决策时参考的文件、记录和先前步骤。
- 权限和审批点： 智能体访问哪些系统、以何种身份访问，以及在哪一步等待人工审批。
- 日志和监控： 能够在事后审查智能体做了什么。
将智能体与传统自动化区分开来的，是第二项和第三项的结合：由模型自行决定使用哪个工具以及何时使用。
如何部署 AI 智能体？六个步骤
以下顺序并非某一特定产品的安装指南，而是在企业内部规划第一个智能体的通用框架。
1. 选择用例。 在这一早期阶段，Gartner 建议仅在智能体方法能带来明确价值或投资回报的地方采用它。一个好的首选候选对象是：业务量大、决策依据明确标准且错误可以挽回的流程。
2. 记录流程和成功指标。 在智能体上线之前，应记录当前的工作方式、平均耗时以及会出现哪些错误。否则，在试点结束时将无法衡量改进情况。
3. 将工具和权限保持在最低限度。 OWASP 将导致智能体失控行为的“过度代理”风险的根源归结为三个原因：**过度功能、过度权限和过度自主。**其建议是只给予智能体其工作所需的工具和最低级别的访问权限。这一话题在关于授予 AI 智能体的权限的文章中有单独介绍。
4. 确定人工审批点。 OWASP 建议高影响操作在执行前须经人工审批。在初始阶段，可以将发起付款、删除记录或向客户发送正式回复等步骤设置为由智能体准备草稿、由人员审批。
5. 从一开始就纳入风险管理。 美国国家标准与技术研究院（NIST）于 2023 年 1 月 26 日发布的人工智能风险管理框架（AI RMF）是一份供自愿使用的参考资料。该框架的核心由四项职能组成：治理、映射、衡量和管理。NIST 指出，治理是贯穿其他三项职能的交叉职能，并且风险管理应在 AI 系统的整个生命周期内持续进行。对智能体而言，这意味着指定负责人、列出风险、衡量绩效，并预先确定出现问题时如何应对。
6. 从小处着手，衡量，然后扩展。 Gartner 指出，将智能体集成到遗留系统中在技术上可能很复杂，在大多数情况下，围绕智能体从头重新设计工作流程是更稳妥的路径。从有限的用户群体和狭窄的范围开始试点，可以让这些集成问题和真正的价值都尽早显现出来。
为什么要谨慎起步？
期望很高。Gartner 预测，到 2026 年底，40% 的企业应用将集成面向特定任务的 AI 智能体；2025 年这一比例低于 5%。根据 Gartner 的说法，到 2028 年，至少 15% 的日常业务决策将通过智能体自主作出；2024 年这一比例为 0%。
另一方面，同一机构预测，到 2027 年底，超过 40% 的智能体项目将因成本攀升、业务价值不明确或风险控制不足而被取消。Gartner 还提请注意，助手、RPA 和聊天机器人在不具备真正智能体能力的情况下被更名为“智能体”，并估计在数千家供应商中只有约 130 家名副其实。取消风险背后的原因在文章《AI 智能体的取消风险》中有详细介绍。
将这两幅图景结合来看，传递出一个明确的信息：智能体正在成为企业软件的常规组成部分，但它们能否创造价值取决于正确的用例和正确的控制。
关于监管的简要说明
欧盟《人工智能法》将**“部署者”**定义为在自身授权下使用 AI 系统的法律实体。换言之，购买现成智能体产品并在自身流程中运行的企业，也属于该法所定义的角色之一。在欧盟市场开展业务的企业，应与其法律顾问一起评估所使用的智能体在哪种用例中运行，以及由此产生哪些义务。
结论
与助手不同，AI 智能体是一种围绕目标进行规划、使用工具并作出决策的软件。这种能力用在正确的任务上会创造价值；用在错误的任务上则会带来不必要的成本和风险。对于考虑部署第一个智能体的企业而言，最稳妥的出发点是：选择一个需要决策的流程，保持智能体的权限范围狭窄，在关键步骤保留人工审批，并通过与当前流程比较来衡量结果。
为什么物流经验在这里很重要。 任何管理过仓库或运输网络的人都会对上述六个步骤感到熟悉。异常处理——例如决定入库货物延误时该怎么办——是天然的首个用例（第 1 步）：它业务量大，受服务水平、成本和截单时间等明确标准约束，而且通常可以挽回，因为在货车出发之前决策仍可撤销。物流团队通常也已经在跟踪周期时间和错误率，因此第 2 步所要求的基准往往已经存在。仓库系统中基于角色的访问控制、报废需经主管签批以及逐个站点推行变更，都是第 3、4、6 步的日常版本。我们的一位顾问在运营、物流和供应链领域拥有30 多年经验：他曾在一家大型科技分销企业全面负责物流、仓储、技术服务和行政运营，组建并领导 100 多人的团队，并通过以 KPI 为导向的项目实现了运营绩效的持续提升。他还曾在领先的零售、物流和分销组织中管理全国性的仓储和运输业务、大规模配送网络以及网络与产能规划。作为一名工业工程师，他如今通过 AI 和自动化将这种供应链管理规范带给中小企业。了解我们的顾问。
#interimmanagement #forwarddeployedengineering