目标导向：人工智能代理系统在设计时要考虑到特定的目标。这些目标可以是简单的任务，如安排会议或整理电子邮件，也可以是更复杂的目标，如优化供应链或管理金融投资组合。人工智能代理不断监测其环境，并采取行动实现指定目标。自主决策：人工智能代理可以在没有人类干预的情况下做出决策。这种自主性基于它对环境的理解、指定的目标和学到的经验。人工智能代理可以分析数据、评估风险，并选择实现目标的最佳行动方案。自适应学习：人工智能代理系统可以从互动中学习，并随着时间的推移不断提高性能。当他们遇到新情况并收到反馈时，他们会完善自己的决策过程，变得更加善于实现自己的目标。这种学习和适应能力对于在动态和不可预测的环境中开展工作至关重要。学习可能包括来自用户或管理人员个人的反馈（"human-in-the-loop" ），或自动反馈，以处理发现的异常情况。

利用人工智能代理释放人类潜能查看所有相关产品

概述

代理人工智能是一种新型的人工智能，它可以独立行动，自主决策，并在极少人类帮助下实现复杂的长期目标。把它想象成一个能干的数字化员工，你可以把一个主要目标分配给它，它就会找出步骤、执行计划，并根据需要进行调整，以完成工作。

这种人工智能以目标为导向。代理型人工智能不只是回答单一问题（如传统人工智能）或根据提示创建内容（如生成型人工智能），而是长期保持目标，并通过多步执行和动态策略变化独立确定实现目标的最佳方式。

代理人工智能正在改变企业处理自动化、决策和解决问题的方式。通过将复杂的多步骤流程委托给人工智能代理，组织和政府机构可以专注于战略举措、创新和客户关系，同时实现前所未有的运营效率。

主要启示将代理型人工智能视为能力出众的数字员工。传统的人工智能需要一步一步的指令，而代理式人工智能则不同，它可以指定一个目标，并独立地计划、执行和调整实现目标的方法。

人工智能代理

人工智能与其他类型人工智能的比较

对于评估人工智能实施战略的企业来说，了解代理人工智能与其他人工智能方法之间的区别至关重要。传统的人工智能系统需要对每项任务进行明确的编程，而生成式人工智能则侧重于内容创建，而代理式人工智能则以自主的目标追求行为运行，能够独立调整策略和执行复杂的业务流程。

根本区别在于业务自主性和目标持久性。传统的人工智能系统执行预定义的任务，每一步都有人工监督；生成式人工智能根据提示创建内容；代理式人工智能则通过动态策略调整和多步执行，在独立决定如何实现目标的同时，长期保持目标。

代理式人工智能与传统的人工智能自动化有何不同？

传统的人工智能自动化通过基于规则的系统和预定义的工作流程运行，在预定条件触发时执行特定任务。这些系统需要对每种情况进行大量编程，如果没有人工干预或额外的编码，就无法适应意外情况。企业实施过程中通常会使用机器人流程自动化工具，这些工具会在业务应用程序中遵循精确的操作顺序。

代理人工智能的根本区别在于，它能保持持久的目标，并根据环境反馈和不断变化的条件调整自己的方法。代理型人工智能系统不是按照预先设定的脚本进行操作，而是对多种策略进行评估，从结果中学习，并修改自己的行为，从而更有效地实现指定目标。这种自主适应能力使企业部署的人工智能系统能够处理复杂、不可预测的业务场景，而无需不断重新编程或人为监督。

代理式人工智能与生成式人工智能系统的区别是什么？

生成式人工智能系统（如大型语言模型）侧重于根据输入提示创建内容和生成响应，根据从训练数据中学到的模式生成文本、图像或其他媒体。这些系统擅长创建内容，但需要人类用户为每次交互提供背景、方向和产出评估。企业应用程序通常涉及内容生成、文件起草和创意支持任务。

代理人工智能（Agentic AI）结合了生成能力，同时增加了目标导向行为和自主执行能力。

生成式人工智能能对即时提示做出反应，而代理式人工智能则能在多次互动中保持目标，并能独立规划和执行多步骤流程，以实现指定目标。这种区别使企业能够为复杂的业务流程部署代理人工智能，这些流程需要持续的关注和自适应的战略执行，而不是简单的内容生成任务。

代理人工智能与机器学习系统相比有何优势？

机器学习系统分析数据以识别模式、进行预测或根据训练数据集对信息进行分类，但它们通常需要人类操作员来解释结果并决定适当的行动。这些系统擅长数据分析和模式识别，但要将洞察力转化为业务决策和行动，则需要依靠人工判断。

代理人工智能以机器学习为基础，同时增加了自主决策和行动执行能力。代理型人工智能系统不仅能提供预测或分类，还能解释分析结果、评估潜在行动并执行战略以实现业务目标。

这种集成使企业能够部署端到端自动化流程，将数据分析与战略执行相结合，而无需在每个决策点进行人工干预。

人工智能技术比较

能力	传统人工智能	生成式 AI	机器学习	人工智能代理
自主水平	基于规则的执行	反应迅速	模式分析	目标驱动的自主性
坚持目标	具体任务	单一互动	注重分析	长期目标
适应能力	需要重新编程	仅限于训练数据	基于模式的见解	动态战略调整
决策	预定义逻辑	内容生成	预测性输出	自主选择
学习方法	静态规则	预训练模型	历史数据模式	持续的业务学习
商业应用	流程自动化	创建内容	数据分析	端到端流程管理
人力监督	逐步指导	产出评估	结果解释	制定战略目标
解决问题的范围	定义的情景	创意任务	数据驱动的洞察力	复杂的多步骤挑战

快速比较：

何时使用代理人工智能：当业务流程需要跨多个系统持续自主运行而无需持续人工监督时，尤其是对于必须适应不断变化的条件的复杂决策序列，应选择代理人工智能。

何时使用替代品
传统人工智能：标准化、重复性任务
生成式人工智能：内容创建
机器学习：数据分析和预测

与其他方法相比，企业何时应该选择代理人工智能？

当业务流程需要跨多个系统和决策点持续自主运行而无需持续人工监督时，企业应考虑代理人工智能。传统的人工智能自动化适用于具有可预测输入和输出的标准化重复任务，而代理式人工智能则擅长动态环境，在这种环境中，战略必须根据不断变化的条件和不断发展的目标进行调整。

当业务流程涉及需要跨系统、跨部门或跨时段协调的复杂决策序列时，代理人工智能就显得尤为重要。生成式人工智能专注于离散任务，机器学习通常应用于特定的分析见解，与之不同的是，代理式人工智能可以管理从启动到完成的整个业务工作流程，同时根据中间结果和环境变化调整策略。这种能力使代理人工智能最适合于需要在复杂的运营环境中进行自主流程管理、战略执行和自适应问题解决的企业应用。

代理型人工智能的主要特征是什么？

目标导向：人工智能代理系统在设计时要考虑到特定的目标。这些目标可以是简单的任务，如安排会议或整理电子邮件，也可以是更复杂的目标，如优化供应链或管理金融投资组合。人工智能代理不断监测其环境，并采取行动实现指定目标。
自主决策：人工智能代理可以在没有人类干预的情况下做出决策。这种自主性基于它对环境的理解、指定的目标和学到的经验。人工智能代理可以分析数据、评估风险，并选择实现目标的最佳行动方案。
自适应学习：人工智能代理系统可以从互动中学习，并随着时间的推移不断提高性能。当他们遇到新情况并收到反馈时，他们就会完善自己的决策过程，变得更加善于实现自己的目标。这种学习和适应能力对于在动态和不可预测的环境中开展工作至关重要。学习可能包括来自个别用户或管理人员观察一段时间行为的人为反馈（"人在环中"），或自动反馈以处理已识别的异常情况。

OpenText 如何助力企业代理式人工智能取得成功

OpenText 35 年来一直致力于为知识工作者打造数字化平台，如今我们正在开拓下一个发展方向：通过代理人工智能打造数字化知识工作者。

我们的方法通过解决限制人工智能成功的基本挑战--数据集成、安全性和可扩展性，改变了企业利用人工智能的方式。

由于数据分散和安全问题，许多公司都在努力有效地实施人工智能，而 OpenText 则提供了重要的基础，使代理人工智能在企业环境中真正发挥强大的作用：

统一数据云基础

人工智能需要获取完整、准确和实时的信息，才能做出自主决策。OpenText 的数据云方法通过以下方式消除了困扰企业人工智能计划的数据孤岛：

将来自不同企业系统的信息集中到一个单一的信息源中。
确保所有人工智能应用的数据质量、管理和合规性。
为代理人工智能系统提供动态、实时信息，以进行实时决策和工作流程优化。

企业级安全为人工智能带来信心

安全问题仍然是采用人工智能的首要障碍，44% 的 IT 领导者认为安全和合规风险是他们在信息管理方面面临的首要挑战。OpenText 通过以下方式解决了这一问题：

人工智能增强型威胁检测：OpenText™ Cybersecurity Aviator™ 可在数小时内自动学习和部署新的威胁检测模型。
安全的人工智能实施：强大的访问控制、数据分类和合规性管理可让您放心地部署代理人工智能。
人工智能安全保护：抵御人工智能驱动的攻击，同时启用人工智能驱动的安全功能。

OpenText 的代理人工智能解决方案有哪些？

OpenText 通过与现有企业基础架构无缝集成的专业解决方案提供代理式人工智能：

Cybersecurity Aviator 可通过以下方式增强威胁检测和响应能力：

在数小时内自主学习和部署新的威胁检测模型。
实时分析网络行为，识别异常活动。
自动应对新出现的安全威胁和漏洞。

OpenText™ Content Aviator™ 通过以下方式改变员工与业务信息的交互方式：

跨企业资源库的对话式搜索和内容发现。
复杂文件的自动摘要和翻译。
智能内容分类和工作流程自动化。

OpenText™ DevOps Aviator™ 通过以下方式优化软件交付生命周期：

利用内置流量智能预测软件交付时间并识别风险。
根据脚本、视频和积压项目生成测试并使其自动化。
建议并执行修复策略，使交付工作按计划进行。
代理人工智能带来自主、目标驱动的智能，改变软件交付流程

OpenText™ Experience Aviator™ 可部署人工智能代理：

为客户交流、富媒体和图像自动生成上下文相关内容。
分析客户数据，自主解决账户问题。
根据用户偏好和历史记录调整订阅计划和计费。
减少对人工代理的依赖，同时缩短响应时间。

OpenText™ Service Management Aviator™ 使用人工智能助手通过以下方式改变 IT 服务交付：

丰富的人工智能工作流程，部署能够相互交互的人工智能代理。
为服务台代理提供自主案例总结和解决方案建议。
自助服务功能可帮助用户解决常见的 IT 和非 IT 请求。
从企业资源库、人力资源系统和第三方支持平台中进行智能知识检索。
具有检索增强生成（RAG）功能的私人 LLM，可维护数据安全并减少幻觉。

OpenText™ Business Network Aviator™ 通过提供人工智能自助服务顾问，简化了 B2B 和供应链集成：

以通俗易懂的语言提供即时准确的答案，让您更高效地使用OpenText™ Trading Grid™作为供应链运营的一部分。
通过查找和共享基于您的 B2B 和 EDI 查询的上下文回复，深入了解与您的业务数据相关联的供应链。
简化的EDI有效载荷和交易分析，以适合业务的语言进行共享，适用于企业中的每个人，无论其技术专长如何。
通过为复杂的错误代码提供清晰、可操作的指导，以及在应用程序中创建支持票据的功能，缩短解决问题的时间。
通过使用生成式人工智能和大型语言模型（LLMs）提供代理式人工智能所需的可信数据基础，实现统一的资产身份识别、闭环异常检测和高效的物联网运营。

企业如何开始使用 OpenText 代理人工智能？

OpenText 的愿景不仅仅局限于单个人工智能工具，而是要创建能够增强人类能力的综合数字队友。我们的Aviator AI 解决方案：

通过智能自动化提高生产率

根据 Foundry Research 的调查，提高生产率是人工智能最受欢迎的好处，78% 的成熟人工智能用户强烈认为现代人工智能技术提高了生产率。OpenText 的代理人工智能通过以下方式提高生产率：

将重复性的工作流程自动化，让员工有时间进行战略思考和创新。
确保构建代理能够正确访问数据和人工智能引擎，从而安全地控制成本。
无需人工干预即可处理多步骤业务流程，同时不断学习和改进。

增强员工的能力

通过人工智能代理提高生产率不仅仅意味着更快地完成任务，它还能改变员工的工作方式，使他们能够

将重点转向高价值活动：将团队从日常任务中解放出来，让他们参与创造性的问题解决、战略规划和创新。
提高工作满意度：当人工智能处理琐碎工作时，员工的士气会更高，从而能专注于有意义的贡献。
促进协作：利用以前花在重复性任务上的时间，团队可以建立更牢固的客户关系并追求专业发展。

跨企业系统集成

根据最近的研究，52% 的组织在选择人工智能合作伙伴时优先考虑集成能力。OpenText 提供：

人工智能代理与现有企业应用程序之间的无缝连接。
应用程序接口驱动架构，支持自定义集成。
跨越多个业务系统的工作流程自动化。

提供可衡量的业务影响

使用 OpenText 解决方案进行成熟人工智能实施的组织报告称：

通过自动化日常任务提高运行效率。
提高决策速度和准确性。
大幅提高知识工作者的工作效率。

开始使用 OpenText 代理人工智能

我们实施代理人工智能的方法侧重于在部署自主系统之前打下坚实的基础：

信息评估：评估并优化数据环境，为人工智能做好准备。
安全定位：实施人工智能就绪的安全和治理框架。
试点实施：在目标用例中部署代理人工智能，并取得可衡量的成果。
扩展和优化：在企业内部推广成功的实施案例。

未来无限

在 OpenText，我们相信技术应始终提升人类的潜能。我们的代理型人工智能解决方案不会取代您的员工队伍，而是创建数字队友，处理日常任务，提供重要见解，使您的团队能够专注于创造力、战略和创新。

当您的信息通过 OpenText 平台实现统一、安全和可访问时，代理人工智能就会成为一种变革力量，消除障碍并释放组织的无限潜能。

准备好探索 OpenText 如何为您的企业提供代理人工智能了吗？

联系我们的团队，讨论您的具体使用案例和实施策略。

准备尝试 Aviator 吗？立即访问 OpenText MyAviator！

实用代理人工智能实例和用例

人工智能代理能够规划和执行复杂、持续的流程，因此在许多业务职能和行业中都很有价值。

内容和文件管理用例

在处理大量非结构化数据（如文档、电子表格和富媒体）时，Agentic AI 将改变游戏规则。

文件分析和自动编辑：可以赋予代理以目标为导向的任务，即"处理所有新客户合同。"
- 它将分析合同（文档），对其中的个人身份信息（PII）进行检测，然后在将文档发送到下一个安全存储库之前对敏感数据进行自动删除，以确保合规性。
丰富的媒体处理功能：代理可处理视频和音频文件：
- 转录：代理处理董事会会议的录音。
- 发言人识别：它能识别并标出哪位主管说了什么。
- 面部识别（视频录像）：它可以识别关键利益相关者，以便编制索引。
- 根据战略目标，它可以自主决定对录音进行分类，并根据内容的主题和参与者将其归档到适当的长期知识库中。
计算机辅助设计（CAD）图纸和工程：可将一个代理设置为"，其目标是根据质量标准验证所有更新的组件设计。"它将访问CAD 图纸，分析规格，标记任何偏差，并在企业资源规划（ERP）系统中更新相关的零件编号--这是一个多步骤的自适应过程。

特定行业用例

金融服务：人工智能代理可以自动做出复杂的投资决策，管理金融投资组合，并通过不断监测、学习和适应新模式，自主检测欺诈交易。
保险：代理人可以管理整个理赔流程，从分析初始文件到评估风险，并在规定的参数范围内自主决定赔付，同时标记任何异常情况供人工审查。
政府：代理可以通过持续监控法律变化、评估对各种内部系统的影响以及自主启动跨多个部门的纠正流程来管理复杂的合规性。
物流（供应链）：人工智能代理优化生产计划并管理库存。例如，一个以"最大限度提高准时交货率为目标的代理" ，可以实时监控天气、交通和库存水平，并自主决定货运路线或调整供应商订单，以防止延误。这是适应性学习应用于复杂、多变量环境的一个例子。

代理人工智能是如何工作的？

代理人工智能系统通过分层架构运行，整合了多种人工智能技术，可在企业环境中实现自主决策和目标达成。

这些系统与传统的业务自动化有着本质区别，它们能保持持久的目标，根据运营反馈调整战略，并在没有持续监督的情况下执行复杂的多步骤流程。

技术架构

技术基础包括

了解商业环境的感知机制
处理信息和做出决策的推理引擎
保存组织知识的记忆系统
跨企业系统执行计划的行动框架

这种架构可实现自主运行，同时与业务目标和合规要求保持一致。

题为 "代理人工智能如何工作 "的图表说明了流程。左侧的输入包括 LLM 集成层和标为业务数据输入的试点部署。这些信息输入一个中央推理引擎，该引擎具有决策处理和自主行动功能。输出流向与企业资源规划、客户关系管理、应用程序接口和自主行动相连的反馈回路。反馈回路还与试点部署相联系。

是什么实现了业务运营的自主决策？

企业代理人工智能中的自主决策来自于推理引擎，它可以评估多种业务场景，并根据当前条件和组织目标选择最佳策略。这些系统会评估不同方法的成功概率，权衡运营风险和收益，并选择能最大化业务价值的行动。与遵循预定工作流程的基于规则的自动化不同，代理式人工智能可以通过将学习到的模式与逻辑推理相结合，为陌生的业务挑战提供新颖的解决方案。

决策过程同时包含多个业务标准，包括即时运营要求、战略目标、资源限制和监管合规性。这种能力使企业代理人工智能能够在条件瞬息万变、很少有完美信息的动态业务环境中有效运作。

代理型人工智能系统如何学习并适应企业需求？

企业代理人工智能采用的记忆架构既能实现即时任务管理，又能实现长期组织学习。工作记忆可保持当前业务流程、运营条件和活动目标的上下文，使系统能够在多个企业应用中实时跟踪进度和调整策略。

长期记忆系统会积累组织知识和运营经验，为未来的业务决策提供依据。这些系统记录了过去业务流程中的具体互动、结果和背景信息，从而创建了一个机构知识库，随着时间的推移不断提高绩效。这种组织学习能力可使代理人工智能在获得特定业务环境和运营模式的经验后变得更加有效。

大型语言模型（LLM）在企业代理人工智能中扮演什么角色？

LLM 是业务经理或业务分析师定义代理与任务、路由和机制之间的主要接口，而任务、路由和机制则在系统内访问数据和控制操作。这些模型使代理人工智能能够解释执行指令、理解业务文档、应用思维链推理，并根据组织环境生成适当的响应或行动计划。

LLM 可提供推理能力，使企业代理人工智能能够分析业务问题、生成战略计划并评估不同业务领域的潜在解决方案。这种语言理解与商业推理的结合，使 LLM 对于代理人工智能必须与利益相关者互动并处理各种类型商业信息的应用尤为重要。

代理人工智能系统如何与企业基础设施集成？

企业代理式人工智能集成依赖于 API 连接和数据管道架构，从而实现与现有业务系统的无缝互动。这些系统通过标准化接口与企业资源规划平台、客户关系管理系统和其他关键业务应用程序相连接，从而维护数据的安全性和操作的完整性。

多个专业代理通常在企业环境中协调工作，每个代理专注于特定的业务功能，同时通过安全的通信协议共享信息。这种分布式方法可实现跨越多个部门和系统的复杂业务流程自动化，同时保持对业务运营的集中监督和控制。

麻省理工学院的研究突显了多代理协调方面的技术进步，以及在人机混合环境中运行所面临的挑战。

人工智能如何造福企业？

了解代理型人工智能的与众不同之处

代理人工智能是一种新型的人工智能，它可以独立行动、自主决策，并在极少人为干预的情况下努力实现复杂的长期目标。把它想象成一个能干的数字员工，你可以把一个重要目标分配给它，它会想出步骤、执行计划，并根据需要进行调整，以完成工作。

代理人工智能的与众不同之处在于它的三大核心能力：

自主决策：人工智能独立行动，每一步都无需批准。
目标导向：它通过多步骤执行来长期保持目标，而不仅仅是对单一提示做出反应。
适应性学习：它分析结果，评估策略，并修正自己的行为，以更有效地实现目标。

人工智能代理为各行各业的企业带来了广泛的好处：

提高效率和生产力：通过自动执行重复性任务和优化工作流程，人工智能代理可显著提高运营效率和生产力。这样，企业就能简化运营、降低成本并加快产出。例如，代理人工智能系统可以管理从库存管理到订单执行的整个多步骤工作流程，而无需在每个阶段进行人工干预。
改进决策：人工智能代理可以分析海量数据并提供见解，为更好的决策提供依据。通过识别趋势、模式和异常情况，人工智能代理可以帮助企业做出更具战略性的选择，降低风险并抓住机遇。人工智能代理可以自动分析市场趋势、竞争对手定价和客户行为，实时推荐最佳定价策略或识别新兴市场机会。
降低运营风险，减少停机时间：Agentic AI 可预测并预防运营、维护、供应链管理和客户服务方面的中断。例如，它可以检测异常账户活动，并在小问题升级为大危机之前主动联系客户，提供解决方案--使企业能够领先于问题，而不仅仅是对问题做出反应。
增强客户体验：人工智能代理可以个性化客户互动，提供量身定制的解决方案。通过了解客户的喜好和需求，人工智能代理可以提供相关内容，提供主动支持，并建立更牢固的客户关系。例如，代理型人工智能可以通过分析客户数据和模式来预测潜在问题，在小问题升级为大危机之前采取纠正措施，如检测异常账户活动并主动联系客户提供解决方案。
创新与增长：代理式人工智能可以通过识别新的可能性和产生创造性的解决方案来推动创新。通过探索非常规方法和挑战现有模式，人工智能代理可以帮助企业发现新市场、开发新产品并取得突破性成果。

人工智能代理可以通过分析人类团队可能会忽略的跨行业趋势和客户需求，探索非传统的产品组合或服务产品。

福利概要：

实施代理人工智能的组织报告了三项主要成果：

40-60% 减少日常工作时间
通过实时数据分析加快决策速度
团队专注于战略工作，提高员工满意度

成功需要适当的数据集成、安全框架和分阶段实施。

人工智能如何实现决策和多步骤流程的自动化？

代理人工智能可自动执行复杂的决策过程和多步骤工作流程。它能够分析数据、评估风险并采取自主行动，因此非常适合处理传统上需要人工干预的复杂任务。

例如，在金融领域，代理人工智能可以自动做出投资决策、管理投资组合和检测欺诈交易。在医疗保健行业，它可以协助诊断、个性化治疗方案和监测病人的健康状况。在制造业，代理人工智能可以优化生产计划、管理库存和预测设备故障。

通过将这些复杂的流程自动化，企业可以减少错误、提高准确性并加快运营速度。代理人工智能可以不断学习并适应不断变化的条件，确保决策保持最佳状态并与业务目标保持一致。

什么是人工智能代理？

人工智能代理是一种软件，旨在通过传感器或数据输入感知环境，利用人工智能处理这些信息，并采取能最大限度地实现特定目标的行动。这些数字代理可以在规定的参数范围内独立运行，根据自己的编程和学习做出决定，并与其他系统或人类互动以完成任务。它们代表了代理人工智能原理的实际应用，是在更大的人工智能系统中执行特定功能的操作单元。

人工智能代理的核心组成部分

人工智能代理由几个基本组件组成，可实现自主运行和决策能力：

感知系统：代理必须有办法收集有关其环境的信息。在业务应用中，这可能包括来自企业系统的数据馈送、市场分析、物联网设备的传感器数据或直接的用户交互。这些输入构成了代理了解其运行环境的基础。
知识库：代理维护并不断更新信息库，其中包括预编程知识和学习到的经验。这一知识库是决策和解决问题活动的基础，使代理能够借鉴过去的经验和既定模式，为当前的行动提供依据。
决策机制：先进的算法和模型使代理能够评估情况并决定适当的行动。这些机制通常结合了多种人工智能技术，包括机器学习、自然语言处理和专家系统，以处理复杂的场景并生成有效的响应。

人工智能代理在商业领域的前景如何？

人工智能代理的发展不断扩大其在商业环境中的能力和应用。

新出现的趋势包括

协作代理网络：未来的实施方案将以多个专业代理在协调网络中协同工作为特色，每个代理处理复杂业务流程的特定方面，同时共享信息和资源以实现共同目标。
增强学习能力：下一代代理将展示更复杂的学习能力，包括
- 通过先进的迁移学习技术，更快地适应新情况和新要求。这将使代理能够在不同的环境和场景中更有效地应用所学知识。
- 提高从人类反馈和自然交互中学习的能力，使其在工作中更加直观，更容易针对特定业务需求进行培训。
增强自主性：随着人工智能技术的发展，代理将以更大的独立性处理日益复杂的决策和任务，同时在必要时保持适当的安全措施和人工监督。
更快的自助服务请求和满足：通过内置生成式人工智能的 ITSM 平台和工作流程自动化，人工智能代理将使企业用户更容易更快地满足各种请求。例如，健康报销、访问远程办公室时授予胸卡访问权限或部署云实例。

代理人工智能的实施挑战和成功因素

研究公司 Gartner 预测，到 2027 年底，将有超过 40% 的代理人工智能项目因支出增加、商业利益模糊和风险控制不足而中止。了解这些潜在隐患并实施适当的缓解策略，对于寻求成功部署人工智能代理的企业来说至关重要。

这一预测反映了当前的现实情况，即许多组织在实施代理人工智能时，没有为这些系统所要求的复杂性、成本和管理要求做好充分准备。不过，Gartner 还预测，到 2028 年，至少有 15% 日常工作决策将通过代理人工智能自主做出，到 2028 年，将有 33% 企业软件应用程序包含代理人工智能，这表明以战略眼光实施的组织具有巨大的潜力。

代理人工智能项目失败的原因是什么？

代理人工智能项目失败的主要原因是对实施复杂性和资源需求的根本误解。

许多组织低估了将这些系统集成到生产中的成本和复杂性，因为这些系统需要大规模可靠运行，并提供可衡量的业务价值。

与传统的自动化项目不同，代理人工智能需要复杂的基础设施、持续监控和适应性管理框架，而许多企业都没有做好准备。

成本超支是一个重大挑战，因为代理人工智能系统需要大量的计算资源、专业知识和持续维护，这些都超出了最初的项目估算。

问题源于大多数代理人工智能项目缺乏明确的商业价值定义和认知基础，企业正在构建错误的东西。

此外，不完善的风险管理框架也无法应对在复杂企业环境中运行的自主系统所面临的独特挑战。

企业如何避免代理人工智能的实施陷阱？

要成功实施代理人工智能，就必须采取一种战略方法，同时解决技术和组织方面的准备因素。

企业应首先明确业务目标和可衡量的成功标准，将人工智能代理能力与具体的运营改进或成本降低直接联系起来。这一基础可防止项目成为为解决业务问题而实施技术的项目。

风险管理策略必须通过全面的治理框架、监控系统和人工监督机制来解决代理型人工智能系统的自主性问题。各组织应实施分阶段部署方法，以便进行迭代学习和调整，首先实施范围有限的试点项目，以证明其价值，然后再扩大到整个企业范围的实施。

此外，对组织变革管理和员工培训的投资可确保人类利益相关者能与代理人工智能系统有效合作。

哪些基础设施和管理要求可确保项目成功？

企业代理人工智能的成功取决于强大的技术基础设施，这些基础设施既能支持自主运行，又能维护安全性、合规性和性能标准。这包括可扩展的计算资源、全面的监控和日志系统，以及能够与现有企业应用程序无缝互动的集成框架。

各组织还必须制定明确的数据管理政策，确保代理人工智能系统能够访问高质量的最新信息，同时保持适当的安全控制。

治理框架应明确界定自主运行的界限、边缘情况的升级程序，以及对战略决策保持人为监督的问责结构。

成功的实施通常包括由 IT、业务运营、法律和合规部门代表组成的跨职能团队，以确保在整个项目生命周期内全面考虑技术、运营和监管要求。NIST 人工智能风险管理框架为将可信性因素纳入人工智能系统设计和治理提供了全面指导。

企业应如何战略性地采用人工智能？

战略性代理人工智能的采用需要采取分阶段的方法，在展示增量价值的同时建设组织能力。企业应首先确定具有高度自动化潜力和明确成功指标的具体业务流程，重点关注自主决策可在效率、准确性或响应能力方面带来可衡量改进的领域。

关键成功因素

要避免 40% 的失败率，企业必须

在实施前确定明确、可衡量的业务目标。
为自主系统建立健全的管理框架。
从证明投资回报率的范围有限的试点开始。
投资于组织变革管理和培训。

解决了这些因素的组织，成功率要高出 3 倍。

题为 "战略性代理人工智能实施框架 "的图表显示了人工智能实施步骤和成功因素的流程图。最上面一行包括基础评估、试点部署、规模& 优化和企业整合，并注明 "40% 失败率--避免这些陷阱"。最下面一行列出了明确的业务目标、数据质量& 治理、风险管理框架和跨职能团队。成功因素突出显示在中间，连接两行。

试点计划应强调学习和适应，而不是立即进行大规模部署，使各组织能够发展代理人工智能管理、治理和优化方面的专业知识。成功的企业通常会建立专门的卓越中心，在多个项目中分享经验，制定标准化的实施方法，并保持在新兴代理人工智能技术和最佳实践方面的专业知识。

这种方法使企业能够建立可持续的代理人工智能能力，从而实现长期的业务价值，同时避免导致项目取消的陷阱。

Resources

Try OpenText MyAviator

Say hello to faster decisions. Your secure personal AI assistant is ready to get to work.