大部分企业 AI 至今仍停留在助手模式，仅作为工具来帮助撰写邮件、总结文件或建议下一步操作，但仅在被请求时才发挥作用。至少目前它们还没有大规模地自主采取有意义的行动。不过，这一现状正以细微而重要的方式逐渐转变。
在最近接受采访时，NTT Data 的 AI 负责人 Wendy Collins（NTT Data 为全球集团 NTT Group 的一部分，同时也是 IT 和商业服务的创新者）指出，这一趋势将在企业中越来越明显。她补充说，企业 AI 的未来不仅关乎智能，更在于自主性。
Collins 认为，我们正迈入一个新的阶段，在这个阶段中，AI 正从单纯的助手转变为类似代理人的角色，不再只是提供决策信息，而是主动发起决策。虽然目前市场上的热议仍集中于生成式 AI 和 copilots，但这些能够自主采取行动的 AI 系统正逐渐渗入 AI 讨论的核心。
AI 采取行动的意义
代理式 AI —— 这个术语正逐渐在业界站稳脚跟 —— 指的是那些不仅返回答案，而是能完成任务的系统。用 Collins 的话来说，这就像区分一个仅告诉你退货政策的 AI 与一个能发出退货授权、在系统中记录并通知客户的 AI 之间的差异。
代理式 AI 并非依赖单一的 AI 模型，该模型仅通过从庞大的预训练数据集中提取答案来生成结果，而是依靠一整套协调一致的技术，包括语言模型、决策引擎、集成工具以及实时数据访问，以完成任务。
Collins 告诉我，“代理式 AI 不仅仅局限于生成式 AI。” 它处于多种能力的交汇处，其优势在于采取行动，而不仅仅是获取信息。
表现良好之处与不足之处
不过，Collins 坦言当前存在诸多局限。在保险和金融服务等行业中，代理式 AI 已经在呼叫中心和采购环节中降低了成本和时延。这些领域之所以奏效，是因为相关流程可预测且记录完善。如果一项任务能被简化为规则和数据流，那么它就可以交由代理来完成。
目前它的不足之处在于那些高度依赖情境的工作流程，如承保或复杂制造领域，在这些领域，大部分决策过程仍依赖于经验丰富的员工的知识和判断。她说：“我们还没有看到代理式 AI 在这些环境中得到广泛应用，因为相关知识尚未被系统化地捕捉。”
但这并不意味着这些行业无法实现进步。相反，这只说明它们目前正专注于利用生成式 AI 来收集和组织未来支持代理系统所需的关键信息。
混合 AI 的被低估力量
Collins 最看好的一点并非仅仅是生成式 AI，而是生成式 AI 与传统 AI 技术（如优化、预测和基于规则的系统）相融合所产生的效果。她称之为“混合 AI”，并指出这是当前企业 AI 转型中最被忽视、讨论最少的领域。
她说：“生成式 AI 就像一把锤子，但有些问题需要用扳手来解决。” 对于许多商业挑战来说，多个工具协同工作才能释放出最大的价值。虽然生成式 AI 能够生成、推荐和个性化服务，但它仍需依赖传统 AI 来实现精确性、一致性和整合性。
从试点到落地
许多企业陷于概念验证的僵局——口头上宣称进行了数十个试点项目，但实际上却没有大规模部署。Collins 指出，从概念验证到正式生产的差距远超大多数领导者的预期。她解释道：“这并非线性发展，而是呈指数级增长。”
她建议，商业领导者必须“停止试图穷尽所有可能性”。相反，他们应当从一两个高价值的内部用例入手，专注于那些 AI 能够悄然且迅速成功的工作流程，而不是在科技尚未成熟前就进行可能损害品牌形象的面向客户试验。
也许最关键的是 Collins 关于以衡量效果为基础进行构建的观点。她指出：“投资回报（ROI）必须从一开始就纳入规划，而不能在最后事后再补救。”
AI 准备始于人
在任何 AI 部署中，最容易被低估的因素或许就是人才。Collins 强调了全企业范围内提升 AI 素养的重要性，尤其是在企业高层管理团队中。她引用近期研究表示：“投资于高管 AI 素养的公司，其财务表现平均领先同行 40%。”
虽然 Collins 没有具体提及她所引用的研究，但这一观点得到了其他研究的支持。例如，去年 MIT CISR 的一项研究发现，拥有先进企业 AI 的公司（这些公司通常将 AI 素养作为关键组成部分）在财务表现上明显优于同行。
对于 Collins 来说，AI 的采用更多关乎舒适度、自信和实际应用场景，而非追求建立庞大基础设施的远大理想。尽管关于 AI 疲劳的讨论日益增多，但她认为这种疲劳很大程度上源自于 AI 应用效果的不尽人意。当 AI 无法带来真正的变革——仅仅用来节省几秒钟的时间时——团队便会失去兴趣。这意味着，必须让人们真切感受到 AI 的承诺，而不仅仅是进行营销宣传。
前路展望：设置防护的自主性
随着 AI 在决策能力方面不断增强，企业将需要建立更为严格的治理模型来应对相应挑战。当前，关于 AI 安全的担忧已达到空前高度，世界经济论坛指出：“AI 代理人自主性的提升既带来了巨大机遇，也伴随着相当大的风险。若缺乏适当监督，此类系统可能会以意想不到的方式运作，甚至破坏既定目标。” 经合组织 AI 观察站 2024 年政策报告也详细阐述了自主 AI 系统如何对现有治理框架构成挑战，并增加了对风险缓解策略的紧迫性，尤其是在这些系统开始独立运作之时。
尽管有人常认为 AI 治理会阻碍创新，Collins 将其形容为“一种战略赋能者”。她在 NTT Data 的团队还开发了一个“收益矩阵”，旨在帮助客户识别从何入手、如何将价值与可行性对齐，以及规避最大的陷阱。
Collins 说：“这并不是等到所有数据都完美后才开始，而是要知道哪些数据已经足够好，可以立即开始捕获价值，同时不断完善剩余部分。”
未来展望
从所有迹象看，企业 AI 的未来不会由下一个走红的聊天机器人演示或新颖闪亮的应用所决定。它将悄然展开——在工作流程中、在仪表板背后——届时 AI 将不再等待指令，而是真正开始自主运作。
Collins 也提醒我们保持谨慎，表示如果有人声称他们知道五年后 AI 会是什么样子，那么他们要么在对你撒谎，要么是在试图向你推销某种解决方案。尽管如此，她依然看得非常清楚：“每一个新的渐进式发展都会像带来新机遇一样，揭示出新的问题。” 这正是企业 AI 正在逐步迈向的未来。
