代理性 AI 已经取代生成式 AI 成为当前科技炒作周期的热门话题，但存在一个重大问题：目前尚未有 AI 代理的标准定义。
有数十家，甚至可能上百家供应商在宣传其代理性 AI 产品，但定义的缺失可能导致混淆，尤其是当 CIO 以及其他 IT 负责人在采购和部署这一新兴技术时。
一些 AI 专家将代理性 AI 定义为一种工具，其能够在企业内部自主做出决策、从过去的经验中学习并调整其响应方式；而另一些专家则认为，只要具备一定决策功能的 AI 都可视作代理性 AI。
部分批评者指出，目前大多数供应商还未真正提供具备独立自主性的代理性 AI，而仅仅是将一些简单的 AI 聊天机器人、助手或附属于大语言模型 (LLM) 的扩展功能标榜为代理性 AI。Perigon —— 一家提供 AI 驱动、基于上下文的搜索工具的厂商的产品副总裁 Zach Bartholomew 指出，许多所谓的代理其实不过是对 LLM 的封装，或者说是 “被美化处理过的 LLM 工作流程”。
代理热潮
Backbase —— 一家银行软件供应商的 AI 负责人 Chris Shayan 表示，目前 IT 行业中存在大量的 “代理炒作” 现象。
他说：“我已经参加过数十场供应商的产品推介，而那些简单的自动化解决方案被冠以自主代理的名头。很多市场上所宣传的代理，实际上只是传统算法配上更友好的接口而已，而 CIO 和 CTO 正在努力在这之中辨清真伪。”
在 Shayan 的定义中，真正的代理能够进行多步骤的推理，并拥有一定的独立决策权。例如，他提到银行业已经开始部署 AI 代理，这些代理可以检测到异常交易模式，并在无需持续人力监管的情况下采取恰当的措施。
Shayan 补充道：“软件的真正自主性意味着能够独立处理端到端的流程——从收集信息、分析选项、执行操作到从结果中学习。真正的代理与其他 AI 系统的区别就在于其在既定的约束范围内运行，同时又能适应所遇到的新情况。”
处于这一趋势前沿的 CIO 们也逐渐发现，鉴于当前技术水平、可用数据以及各业务流程的复杂交织，并非所有业务流程都适合引入代理性 AI。
此代理并非真正意义上的自主系统
批评人士表示，缺乏明确标准定义可能导致 IT 负责人购买到与广告宣传不符的产品。
Bartholomew 指出：“当所有产品都被称为代理时，CIO 可能会在那些无法提供真正自主性的软体上浪费预算，从而导致团队沮丧、资源浪费，并对 AI 失去信心。我们无疑正朝着真正拥有代理的未来迈进，但目前我认为我们还未达到那个阶段。”
Shayan 补充道，这种混淆会导致期望与实际效果不符，从而引发采购决策失误。“当 CIO 部署了他们认为是基于代理的解决方案，结果却只是一些华而不实的自动化工具时，他们不仅错失了真正代理所带来的变革性潜力，还得支付高昂的费用。这不仅会带来糟糕的投资回报率，还可能破坏更广泛的 AI 项目。”
自主性连续体
正如对 AI 代理的定义存在分歧一样，对于问题本身也有不同的看法。Bartholomew 认为真正的代理距离大规模部署还有大约一年的时间，而人力资源软件供应商 Dayforce 的 CAIO David Lloyd 则认为代理性 AI 更多的是能力谱系，而非简单的是或否的定义。
Lloyd 表示，许多 AI 工具已经具备了一定程度的自主性，包括那些能够从用户过去的操作中学习并基于这些知识采取行动或做出推荐的 AI 助手。
他说：“这是一条连续体，只不过一端非常理想化，而另一端则非常实用。”
在 Lloyd 看来，定义代理性 AI的重要性不如找到正确的用途来应用组织中所采用的 AI。
他说：“我们不妨问自己‘这是否能推动业务价值或带来可量化的价值？’因为如果不能，那都只是一种美好的猜想。”
TrEvolution —— 一家旅行软件和服务供应商的数据科学负责人 Ilia Badeev 补充道，随着 LLM 不断增加看起来更像代理的功能，代理与其他 AI 之间的界限会越来越模糊。
Badeev 认为，目前“AI 代理”更多的是一个营销标签，而非一个明确定义的术语，许多供应商为了追赶近期的热潮，纷纷将 “代理” 这一词应用于 AI 助手和其他工具上。
他说：“AI 代理和 AI 助手之间并没有明显的界限，这只不过是营销上的一种区分。”
Badeev 建议，困惑的 CIO 以及 IT 采购负责人不应将产品是否被标为代理作为关注重点，而应着眼于实际所需的功能。在某些情况下，IT 负责人或许确实需要代理，但许多其他 AI 工具同样能发挥作用。
他指出：“唯一重要的问题是，你获得了什么样的功能？这些功能中的 AI 有多准确？价格如何？”
提出正确的问题
Bartholomew 和 Lloyd 都建议，在从供应商处购买 AI 代理之前，CIO 以及 IT 采购负责人应问一系列关键问题。Lloyd 建议，组织在部署类似代理的技术时应采取从小处着手、逐步升级的策略。
他说：“我在与人交流时常用的说法是，必须要经过深思熟虑。从业务以及采购的角度出发，你是否在组织内部积累了一系列简单乃至更复杂的用例和任务，希望通过技术来解决？”
Bartholomew 表示，如果 CIO 想要一个 AI 代理，应该询问以下问题：
它能否自行规划和执行多步骤流程？
它是否会随着时间的推移进行学习或改进，而不仅仅是执行预设脚本？
它能够独立处理哪些类型的决策？
是否能在无人点击 “批准” 按钮的情况下采取有效行动？
它是否会随着时间不断改善？
它与现有 IT 堆栈的集成效果如何？
Bartholomew 补充道，尽管代理的设计初衷是实现自主决策，但 CIO 们同样希望保留审计代理行为的选项。
他说：“在可预见的未来，我认为我们仍将保持人机协同。我不认为每一次操作都需要完全脱离人工干预，但最终总会有某个人负责监督这些系统的运行情况。”
