1. 首頁 > 生活百科 > >

2026年智能體AI：應用參差不齊而非全面普及

idcai軟件自動化

2026年智能體AI：應用參差不齊而非全面普及

智能體AI正迎來全方位爆發的時刻 ， 真的如此嗎？
對于那些關注社交媒體動態、供應商聲明以及充斥著夸張言論的思想領袖圈的IT從業者來說 ， 他們很容易認為全球企業即將依靠AI智能體運營——這些軟件可以自動化從代碼生成到內容創作的各種任務 ， 這是可以理解的 。
他們看到有人宣稱智能體勞動力時代已經到來（90%的IT支持工作將由智能體執行?。 ?， 以及關于進取的程序員通過基于智能體的產品創造收益的軼事 。 與此同時 ， 其他人則聲稱業界被兜售了一套虛假承諾 ， 實際情況與炒作并不相符 。
就像科技領域經常出現的情況一樣 ， 現實更為復雜 。 即便如此 ， 數據能夠說明問題 。 盡管麥肯錫調查顯示39%的組織表示正在試驗智能體 ， 但只有23%已經開始在一個業務職能內擴展AI智能體 。
AI智能體解釋
【2026年智能體AI：應用參差不齊而非全面普及】首先 ， 讓我們退一步思考：AI智能體究竟是什么？為什么IT領導者對它們如此興奮？
利用上下文理解以及從大語言模型和其他來源獲得的數據 ， AI智能體能夠感知并從其系統環境中學習 ， 并在努力完成目標的過程中通過推理解決問題 。
智能體還與其他智能體以及其他應用程序協作 。 它們就像工蜂一樣 ， 忙碌地工作以取悅蜂王 。 高效實現目標是最終目的 。
用戶可能會通過提供上下文來引導大語言模型產生期望的輸出 ， 而智能體則根據其編程的問題解決邏輯和訓練數據 ， 自主找出實現目標的方法 。
Salesforce、Workday和微軟等眾多供應商已經開始將智能體嵌入企業用于客戶服務和其他功能的應用程序中 。
智能體為何處于快進與慢行并存的模式
然而 ， 跨平臺工作的多智能體系統的采用進展較為緩慢 。 那些試圖依靠智能體運營業務的公司遭遇的高調失敗 ， 以及智能體經歷災難性技術故障的案例 ， 都無濟于事 。
IDC高級研究總監Nancy Gohring表示 ， 多智能體系統在技術上構建和操作都具有挑戰性 ， 供應商在弄清如何將智能體生成和消費的數據貨幣化的同時 ， 對使這些系統互操作持謹慎態度 。
Gohring說：\"這既是技術問題 ， 也是競爭局面 。 \"她補充說 ， 供應商希望將客戶留在自己的生態系統內 。 例如 ， 一個供應商的客戶服務平臺的API無法與另一個供應商的電子商務軟件的API配合使用 。
Cengage首席信息官Ken Grady同意供應商在尋求競爭和保護其數據護城河時目標相左的觀點 。 他表示 ， 這是很少有公司能夠從智能體中獲得真正價值的重要原因 。
即使是開發人員也在智能體應用中遇到困難
危險和風險的雙重幽靈甚至籠罩著軟件開發領域 。
盡管各種規模的組織都成功部署了智能體來自動化編碼 ， 但Voxel首席技術官Bryan O'Sullivan表示 ， 數據外泄風險、供應商圍墻花園以及快速累積的脆弱性削弱了智能體的前景 。 他說 ， 這可能導致\"一堆不可靠的垃圾 ， 除了讓你花很多錢之外什么也做不了\" 。
如果智能體功能即使只有一小部分不精確 ， 就可能使整個流程脫軌 ， 這可能解釋了為什么IT部門往往處于智能體采用的前沿 ， 而其他業務部門則持觀望態度 。 因此 ， O'Sullivan表示 ， \"智能體深入滲透到其他有價值領域\"仍然有限 。
一個問題根源于記憶——或者更確切地說 ， 智能體缺乏記憶 。 為了實現自主操作的承諾 ， 智能體必須能夠訪問長期、中期和短期記憶 ， 這些對于從執行的任務中學習至關重要 。 如果沒有這些能力 ， 它們本質上就像大語言模型聊天會話；保質期很短 。
樂觀的理由
然而 ， 人們堅信一旦AI行業找到解決這些挑戰的方法——集體商業需求將推動它實現——智能體將自動化整個工作流程、完整流程 ， 甚至可能是整個業務 。
IT領導者可以將員工重新分配到更具戰略性的任務 ， 或者為創新找到新的杠桿 。 這是技術偉大夢想家們所追求的理想愿景 ， 包括那些想象企業24小時運轉、人類睡眠時幾乎不受影響的人 。
根據IDC的數據 ， 至少在2026年 ， 全球2000強企業中多達40%的工作崗位將涉及與AI智能體合作 ， 這將重新定義許多企業的工作流程 。
Cengage的Grady表示 ， 他相信供應商將為自己和客戶找到最佳前進道路 。 Grady預計 ， 希望創建更高效業務流程的組織將擴大其智能體實施規模 。
他說 ， 例如 ， 可能一直以2%運行的業務用例可能會隨著技術和協議的成熟增長到20% ， 他補充說 ， 更多公司將尋求將成功的試點項目投入生產 。
與此同時 ， IT領導者應該做什么來為智能體企業做準備？
由于智能體代表一個新興技術類別 ， 目前還沒有明確的采用手冊 。 至少 ， 沒有專門針對智能體的手冊 。
即便如此 ， IDC的Gohring表示 ， IT領導者必須確定要運行和測試的試點項目 。 她補充說 ， 隨著他們對實驗建立信心和舒適度 ， 在尋求擴展之前 ， 應該建立控制和可視性機制 。
公司應該構建核心抽象層和基本編排 ， 測試、學習 ， 并尋求納入治理和監控能力 ， 特別是在擴展到數十個或更多智能體時 。
根據實際使用模式完善架構至關重要 。 而且 ， 一如既往 ， 快速失敗和學習是這個過程的關鍵部分 。
Q&A
Q1：AI智能體是什么？它們如何工作？
A：AI智能體是能夠自動化從代碼生成到內容創作等各種任務的軟件 。 它們利用大語言模型和其他來源的數據 ， 能夠感知并從系統環境中學習 ， 通過推理解決問題來完成目標 。 與需要用戶提示的大語言模型不同 ， 智能體能夠根據編程邏輯和訓練數據自主找出實現目標的方法 。
Q2：為什么多智能體系統的采用進展緩慢？
A：多智能體系統在技術上構建和操作具有挑戰性 。 供應商在弄清如何將智能體數據貨幣化的同時 ， 對系統互操作持謹慎態度 ， 希望將客戶留在自己的生態系統內 。 此外 ， 不同供應商的API無法相互配合使用 ， 數據外泄風險、供應商圍墻花園以及系統脆弱性也削弱了智能體的應用前景 。
Q3：IT領導者應該如何為智能體技術做準備？
A：IT領導者應該首先確定試點項目進行運行和測試 ， 隨著對實驗建立信心 ， 在擴展前建立控制和可視性機制 。 公司需要構建核心抽象層和基本編排 ， 進行測試和學習 ， 納入治理和監控能力 。 根據實際使用模式完善架構至關重要 ， 快速失敗和學習是關鍵部分 。 目前智能體還是新興技術 ， 沒有明確的采用手冊 。


    推薦閱讀