智能體AI存在價值差距 傳統ROI模型難以彌合

智能體AI承諾將徹底改變企業運營。它們已經可以編寫代碼、解決工單并在應用程序和系統間編排工作流程。但隨著CIO們競相部署智能體，他們發現了一個令人不安的真相：將AI工具串聯在一起并創建一個多智能體框架來做更多超越降本增效的事情是極其困難的。

CIO們面臨著從智能體AI投資中展示可量化價值的壓力。但Gartner高級總監分析師Anushree Verma指出，存在一個難題：許多組織仍然依賴傳統指標如人員減少、時間節省和生產力提升來衡量投資。這些方法無法捕捉"AI智能體驅動工作流程的獨特成本和價值動態"。

Gartner預測，到2026年底，40%的企業應用程序將配備特定任務的AI智能體，但組織將在2027年前中止40%的智能體AI項目。Verma警告說："CIO必須擺脫供應商提供的不透明衡量標準，專注于對業務領導者最重要的財務收益。"

波士頓咨詢集團AI集成部門BCG X的常務董事兼首席技術官Matt Kropp回應了這些擔憂。"存在大量炒作，也有許多新興供應商解決方案聲稱自己是基于智能體的AI。目前，大多數提供的ROI很少。"

Kropp表示，AI編排對于減少碎片化、可觀察性差距和安全風險至關重要。

超越聊天機器人

將自主智能體整合以簡化復雜流程是一個吸引人的提議。Gartner預測，到2028年，15%的日常工作決策將自主進行。然而，對于什么構成智能體AI存在顯著困惑，許多供應商通過錯誤聲稱聊天機器人和其他AI工具提供智能體能力而加劇了這個問題。

智能體AI建立在能夠感知環境、做出決策并采取行動以實現特定目標的自主系統之上，幾乎不需要人類干預。理想情況下，它是重新連接工作流程的一種方式。然而，智能體以及創建多智能體框架的智能體組合不僅僅是重新分配任務，它們還重新組合傳統角色并創建新功能。

重新思考角色和責任

有效使用時，會帶來更大的組織智能。PwC的AI工廠領導者Jacob Wilson解釋說："通過跨智能體持續感知、決策和調整流程，多智能體系統使組織能夠近實時動態響應需求變化、中斷和機遇。這是從人員更快工作轉向業務更快更好運行的轉變。"

然而，多智能體系統需要的不僅僅是新工具和技術。Kropp說，當DevOps團隊和其他團隊從編寫代碼轉向提示智能體為他們編寫代碼時，思維方式也必須改變。他將此描述為與以前自動化浪潮的根本背離。"這要求你停止用代碼思考，而是以功能和能力的方式思考。"

擁有結果

CIO必須在其他方面重置思維。PwC的Wilson說，接受"人類不再需要接觸每一行代碼來保持控制"是至關重要的。在智能體驅動的軟件開發生命周期中，人們必須定義流程、工作流程和關鍵指標，然后讓智能體"處理繁重的工作"。SDLC不會消失，它演變成一個更具適應性和自動化的系統，人類驗證結果并在信號表明偏離時進行干預。

同樣的邏輯適用于ITSM，傳統上涉及以人為中心的工單處理。在多智能體系統中，服務交接在機器間以毫秒為單位進行，沒有"工單"作為記錄單元。相反，事故解決轉向近實時，機器間在監控、診斷、修復和驗證方面進行交接。在這種模式下，數字"記錄單元"捕獲意圖、上下文、行動、結果和人類干預。

從效率指標到業務價值

有了這些信息，組織可以從基本的戰術指標如時間節省或成本節省演進到戰略指標，如增強的資本速度、價值實現時間和想法到影響的轉化。例如，這可能意味著將平均解決時間從小時縮短到分鐘，或增加團隊在特定時期內可以運行的生產實驗數量。開發人員、DevOps團隊和其他人開始專注于釋放業務價值的方法。Wilson問道："目標是用30%更少的時間編碼，還是發布新的創新功能并增強產品？"

智能體驅動企業中的治理

毫不奇怪，強有力的治理是必不可少的。Wilson指出，在以智能體為中心的企業中，人類角色轉向編排和審計，智能體協助可觀察性、分析和質量控制。反饋循環根據性能、漂移信號和業務結果持續改進行為，而不是團隊執行逐行代碼審查。Wilson說，結果是一個可審計的責任流，將組織焦點從管理請求推進到治理自主操作。

然而，即使有了所有正確的控制措施，建立保障措施也很重要。這包括在智能體系統出現故障時的內置緊急關閉開關。Wilson說，組織必須指定設定目標、護欄和風險閾值的人類負責人。同時，CIO必須建立"硬護欄，當智能體超過信心、財務或合規閾值時觸發升級、限制或關閉"。

編排成功

隨著組織建設多智能體AI框架，Gartner的Verma建議CIO徹底審查供應商并了解他們對智能體AI的愿景和定義。同樣重要的是要考慮內部組織因素，如可擴展性、智能體蔓延和技術債務。她說，成功取決于學會將復雜、多面的業務流程轉化為高度編排的智能體工作流程。

Verma還敦促CIO關注減少供應商鎖定并使在不重建工作流程的情況下更容易交換工具的新興標準和連接工具。例如，模型上下文協議簡化了大語言模型與企業系統之間的連接。Gartner預測，到2028年它將驅動50%的AI集成，較今天的2%大幅上升。Stripe的智能體商務協議、Google的智能體支付協議以及各種智能體間交互標準也已出現。

Wilson說，最佳實踐組織專注于四個核心特征：編排、可觀察性、安全性和治理。它們共同支持AgentOps功能，通過設定標準、管理風險和執行負責任的AI來讓CIO保持控制。同時，開發人員和業務部門仍然負責關鍵結果。

Verma總結道："AI競賽中的領導地位不會由那些追求更好模型的人實現，而是由那些彌合價值差距的人實現。"

Q&A

Q1：智能體AI與傳統聊天機器人有什么區別？

A：智能體AI建立在能夠感知環境、做出決策并采取行動以實現特定目標的自主系統之上，幾乎不需要人類干預。而許多供應商錯誤地聲稱聊天機器人和其他AI工具提供智能體能力，實際上它們缺乏真正的自主決策和行動能力。

Q2：為什么傳統的ROI衡量方法不適用于智能體AI？

A：傳統指標如人員減少、時間節省和生產力提升無法捕捉AI智能體驅動工作流程的獨特成本和價值動態。組織需要從基本的戰術指標演進到戰略指標，如增強的資本速度、價值實現時間和想法到影響的轉化。

Q3：在智能體驅動的企業中如何保證安全和控制？

A：需要建立強有力的治理機制，包括內置緊急關閉開關、指定負責設定目標和護欄的人類負責人，以及建立硬護欄，當智能體超過信心、財務或合規閾值時觸發升級、限制或關閉。人類角色轉向編排和審計，通過AgentOps功能保持控制。