Gartner谈代理式AI：Computer Weekly停机上传播客

我们与Gartner的Anushree Verma探讨了从机器人流程自动化（RPA）到企业IT中代理式人工智能（AI）的发展路径。

代理式AI的定义与特性

Gartner将代理式人工智能定义为：被组织授予权利、代表组织自主做出决策的目标驱动型软件实体。Gartner总监分析师Anushree Verma表示：“它们可以结合具备记忆、规划、感知、工具化和一定防护措施的AI技术，以完成任务并实现特定目标。”

与RPA的关键区别

Verma指出，Gartner经常被问及代理式AI与机器人流程自动化（RPA）及智能RPA的区别。她认为，RPA是脚本化的，具有预定的输出结果。然而，“当我们讨论代理式AI时，它可以在不同自主层级上运作。它可能具备主动规划能力，但其独特之处在于拥有一定程度的AI代理权，能够在某种程度上自主工作，并朝着特定目标努力。”

改变决策未来的潜力

Verma相信代理式AI系统的最大影响在于改变决策的未来。“它不仅能分析复杂数据集，还能识别模式并据此采取行动。”这意味着代理式AI系统可以帮助企业更好地解决问题并缩短行动时间。

技术实施挑战与现状

尽管企业软件公司正在将代理式AI技术嵌入其产品中，但这些系统最终可能作为独立系统运行，形成数据孤岛。Verma表示，最初的用例主要集中在CRM系统，用于改善用户体验。这类AI通常部署在整个工作流的末端以提升用户体验。

然而，“代理式AI的真正威力在于开始自动化或编排整个业务流程，基于复杂工作流做出决策并实现自动化。”目前阻碍代理式AI系统用于复杂工作流编排的主要障碍是AI容易出错，导致自动化决策错误。这种不准确性会随时间改善，但很少有证据表明企业应用程序正在开发对代理式AI系统可能引入的潜在错误的容错能力。

项目实施现状与未来展望

Verma表示，Gartner发现许多生成式AI项目在概念验证测试后被放弃，“由于数据质量差、风险控制不足、成本上升或业务价值不明确而未能实施。”由于大多数代理式AI计划都是概念验证项目，Verma认为容错能力尚未得到充分评估。代理式AI市场仍处于非常早期的成熟阶段，随着市场成熟，容错问题很可能得到解决。

Gartner观察到向领域特定模型和可微调的轻量级模型的转变。随着时间的推移，这些AI模型可能会像专家一样工作，以补充更通用的代理式AI系统，这可能有助于提高准确性。