为何企业对人工智能智能体的投资未见成效

来源：InfoWorld 作者：Rebecca Szkutak

大多数组织缺乏有效部署人工智能智能体所需的基础架构，知识获取碎片化和安全问题是最大的障碍。
企业纷纷急于利用人工智能智能体的变革潜力，但一个严峻的现实正在显现。我们最近对 1000 多名企业技术领导者进行的调查显示，超过一半（68%）的组织每年在人工智能项目上的预算超过 50 万美元，然而，几乎所有（86%）的组织都缺乏部署人工智能智能体所需的基础架构。这种雄心与执行能力之间的差距不仅仅是技术问题，它代表了一种战略挑战，可能会损害人工智能投资的回报。

风险正在加剧。高德纳咨询公司（Gartner）预测，到 2028 年，15% 的日常工作决策将由人工智能智能体自主做出。然而，如果在没有适当管控的情况下匆忙进行开发，企业将面临风险。同一家分析公司预测，到 2028 年，四分之一的企业数据泄露事件将归咎于人工智能智能体的滥用。这种速度与安全之间的矛盾正是大多数项目失败的原因，这也凸显了三个关键基础的必要性：

• 知识：确保智能体能够全面获取正确的企业数据；
• 管控机制：建立健全的安全、治理和合规控制措施；
• 工具：赋予智能体采取有意义行动的能力，而不只是简单回复，将它们从基本的聊天机器人转变为有价值的业务自动化合作伙伴。

隐藏的集成挑战

急于展示进展掩盖了一个更根本的问题：知识获取，而不是人工智能技术本身。对于许多组织来说，当前的技术生态系统是碎片化的，这给在不同业务流程中有效实施人工智能智能体带来了重大障碍。
在我们的调查中，79% 的组织预计数据问题会影响他们的人工智能推广。当智能体需要通过访问和整合多个数据源来积累知识时，这种碎片化就会成为一个大问题（而且不是好的方面）。知识基础不仅需要数据连接，还需要上下文理解，以确保智能体能够在特定业务领域内正确解释信息。

打破构建或购买的循环

这些知识和数据访问挑战正迫使企业做出艰难的选择。通过与首席信息官们的各种交流，我们发现许多团队陷入了无休止的 “自主构建还是购买成品” 的循环中，尤其是在为智能体配备合适工具的时候。
一些团队从定制开发入手，投入大量资源构建认证系统和数据管道，但却发现距离真正实现人工智能功能还有好几个月的时间。工具基础（即赋予智能体执行交易、修改系统或自动化工作流程的能力）本应是核心设计原则，却变成了事后才考虑的事情，结果导致智能体只能分析，却无法采取行动。
另一些团队则采取相反的方法，在他们的软件即服务（SaaS）套件中启用人工智能功能。但是，由于大多数项目需要多个数据源，这些单点解决方案不断增加，直到信息技术团队在管理工具集成上花费的时间比创造价值的时间还多。他们的智能体功能范围仍然有限，没有人工干预就无法完成端到端的流程。
最危险的做法是什么呢？试图将这两种方法结合起来。一些团队在供应商工具之上叠加定制代码，建立起脆弱的连接，在实际负载下很容易断裂。在早期采用云计算时，我们也看到过同样的情况，而且许多企业至今仍未从那次的困境中完全恢复过来。

安全不能事后才考虑

速度与安全之间的矛盾在实施有效的管控机制时表现得最为突出。我们的调查显示，安全问题是最大的障碍，57% 的组织将其列为主要挑战。在安全这个领域，领导层（53%）和从业者（62%）都一致认为问题紧迫，这是很少见的。
问题在于，传统的安全方法不适用于人工智能智能体，人工智能智能体需要涵盖认证、授权、数据处理和决策边界的全面管控机制。42% 的受访者表示，为了满足人工智能智能体项目的需求，需要连接八个或更多的数据源，而点对点的安全措施在每次新的集成时都会产生漏洞。
更重要的是，人工智能智能体需要不同类型的监控和管控机制，仅仅跟踪访问情况是不够的。决策、数据流和执行模式都需要密切关注。管控机制必须既足够灵活，以保证工作效率，又足够严格，以防止滥用或产生意外后果。鉴于企业数据泄露的风险日益增大，正确处理这个问题至关重要。

从成功案例中学习

一些组织正在找到更好的前进道路。以我们的客户阿普伦德学院（Aprende Institute）为例，他们原本预计需要多个季度才能完成的项目，通过打好基础，在几天内就上线了。他们的成功源于先聚焦基础架构。
他们是怎么做的呢？

• 从一个具有高价值的流程入手，确保有明确的数据访问权限和可衡量的指标。
• 构建适用于整个技术堆栈的数据编排标准化模式。
• 设计测试策略，独立验证数据管道、人工智能逻辑和集成点。
• 最重要的是，从一开始就做好扩展规划。你的第一个智能体可以处理信息技术故障工单（61% 的企业认为这是人工智能智能体的首要应用场景）。

通过集成释放人工智能的潜力

人工智能智能体的前景远不止是打造更好的聊天机器人。我们看到一些组织通过配备完善的智能体，改变了客户支持、财务运营和员工体验。在企业人工智能领域的赢家，不会是那些拥有最多智能体或最大预算的企业，而是那些首先建立起三个基础的企业：可扩展的知识获取、全面的管控机制和灵活的工具集成模式。
近 90% 的企业认为与企业系统的集成对人工智能的成功至关重要，这表明解决集成挑战是释放人工智能变革潜力的关键。真正能获得回报的企业，不会急于部署智能体，而是会投资于技术基础，以便安全、有效地大规模部署智能体。通过首先解决这些核心挑战，它们将有能力从原型阶段迈向真正的业务转型。