今年 “Agentic AI” 非常火,新产品也层出不穷。当然 Agent 争议也不小,一部分人认为没啥用,一部分人则觉得 Agent 无所不能。
这种争议如果用数据说话就会有说服力的多。MMC 深入访谈了 30 多家正在做 AI Agent 的创业公司创始人和 40 多位企业里的实际用户,写了这篇报告:《AI 智能体(Agentic AI)现状:创始人篇》。
【1】真正限制 AI Agent 的,可能不是 AI 不够聪明
大部分都以为目前 Agent 最大的困难会是“AI 不够聪明”、“幻觉太严重”或者“太难和当前系统集成”。
这些确实是问题,但出人意料的是,在创始人眼中,它们排不进前三。
根据调查,部署 AI Agent 时的三大问题分别是:
-
- 工作流集成 和 人机交互(占 60%)
-
- 员工抵触 和 非技术因素(占 50%)
-
- 数据隐私与安全(占 50%)
也就是说最大的障碍,是“人”和“流程”的问题。
1. “这玩意儿我该怎么用?”(工作流集成)
这是占比 60% 的最大难题。
一个 AI Agent 再牛,如果它是一个需要单独打开的 APP,需要员工在现有的工作软件之外再打开一个新窗口去指挥它,那它的使用率注定高不了。
成功的集成,是把 AI 嵌入到员工已有的工作流里。比如,当销售在 CRM 里更新一个客户状态时,AI Agent 自动跳出来说:“我帮你把刚才的会议纪要总结好了”。
这已经不仅仅是个技术问题了,更需要企业改变观念,企业得先想清楚:“要集成这样的 AI Agent,我原有的工作流程需要怎么改?”这往往比买一套 AI Agent 难得多。
2. “它会不会抢我饭碗?”(员工抵触)
这是 50% 的创始人提到的信任危机。
我们得承认一个现实:在企业里,人类和 AI 的合作,目前大多不太愉快。
- • 一种是“过度依赖”:员工把活儿全丢给 AI,自己不检查,结果 AI 出了错,比如给客户报了个错误的价格,酿成大祸。
- • 一种是“过度怀疑”:员工根本不信 AI,AI 做的每一步,他都要自己再核查一遍。这非但没提高效率,反而增加了工作量。
更深层的,就是对被 AI 取代的恐惧。这导致员工在用的时候束手束脚,或者干脆阳奉阴违,不愿配合。
3. “我的数据喂给 AI,安全吗?”(数据隐私)
这也是 50% 的创始人提到的核心关切。
这个问题在金融、医疗等行业尤其严重。企业会担心:“我把内部的财务报表、客户病历交给这个 AI Agent 分析,这些数据会不会被拿去训练别的模型?会不会泄露?”
这种担忧,有些是真实存在的,比如需要符合 GDPR、ISO 27001 等合规认证,也有些纯粹是感觉上的。但无论哪种,都会让企业在部署时畏手畏脚。
【2】做得好的 AI Agent:高准确率和高自主性
既然有这么多困难,那现在做的好的那些 AI Agent,实际表现怎么样?
报告从两个维度来量化现在的 AI Agent:
- • 准确率 (Accuracy):AI 干的活儿,多大比例是对的、被人类接受的。
- • 自主性 (Autonomy):AI 干活儿时,多大程度不需要人来插手。
理想状态当然是高准确+高自主。现实是,超过 90% 的 Agent 创业公司声称自己的方案达到了 70% 以上的准确率。
所以 MMC 把 Agent 划分了三个分类:
-
- 中准确、高自主: 适用于低风险、高重复、易验证的工作场景。比如自动给海量的营销邮件打标签。就算 AI 标错了 30%,但它帮你自动处理了 1000 封,你只需要人工纠错那些明显不对的,总体效率…