Gartner预测到2027年末,超过40%的代理型AI项目将因成本不断攀升、商业价值不明确或风险控制不足而被取消。
Gartner高级研究总监Anushree Verma表示:“目前大多数代理型AI项目仍处于早期实验或概念验证阶段,这些项目大多受炒作驱动且常被误用。这可能使企业忽视大规模部署AI智能体的实际成本与复杂性,从而导致项目无法进入生产阶段。因此,企业应避免轻信此类炒作并就如何使用这项新兴技术做出谨慎的战略决策。”
Gartner于2025年1月对3412名网络研讨会参与者进行了调研,19%的受访者表示其企业已大力投资于代理型AI,42%进行了保守投资,8%未进行投资,剩余31%持观望态度或尚不确定。
许多供应商正在通过参与“代理洗白”助长这一炒作。“代理洗白”指的是将AI助手、机器人流程自动化(RPA)和聊天机器人等现有产品重新包装成代理型AI,而这些产品不具备实质性的代理能力。Gartner估计在上千家代理型AI供应商中,只有约130家是真正的代理型AI供应商。”
Verma表示:“由于现有模型不具备持续自主实现复杂业务目标或遵循详细指令的成熟度和自主性,因此,目前大多数代理型AI方案无法产生显著的价值或投资回报(ROI)。而且现在许多所谓的代理型AI用例实际上并不需要代理型AI。”
挖掘代理型AI的商业价值
尽管存在这些早期问题,代理型AI趋势依然代表着AI技术和市场的一次重大飞跃。代理型AI的能力超过基于脚本的自动化机器人和虚拟助手,它将带来提高资源效率、实现复杂任务自动化和推动商业创新的新途径。
Gartner预测到2028年,通过代理型AI自主作出的日常工作决策比例将从2024年的0%提高至15%以上,包含代理型AI的企业软件应用比例将从2024年的不足1%提高至33%。
在早期阶段,Gartner建议企业仅在能够带来明确价值或投资回报(ROI)的情况下才使用代理型AI。因为在将代理集成到现有系统的过程中,企业会面临复杂的技术难题、经常需要打乱工作流程并付出高昂的修改成本。在许多情况下,最明智的办法是重新设计一套基于代理型AI的工作流程。
Verma表示:“要挖掘出代理型AI的真正价值,企业必须专注于整体生产力,而非只提升个别任务的效率。企业可以开始将AI智能体用于决策、常规工作流程的自动化、辅助简单的信息检索等,通过降低成本,提高质量、加快速度和实现规模化并从中获得商业价值。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。