- 当AI开始“自己做决策”:Agentic AI正在重构企业规则,你还在等什么?
- 从贷款审批看差距:会“思考”的AI智能体,正在拉开企业的未来距离
- 不止自动化那么简单:Agentic AI让系统学会“协作推理”,这是企业的必跨门槛
- 警惕!当AI能自主调整决策,依赖传统流程的企业已站在危险边缘
- 两种企业,两种结局:用零散自动化的还在挣扎,靠AI智能体的已在领跑
全文约5100字,阅读时间8分钟Gartner将Agentic AI列为2025年十大技术趋势之首,并大胆预测到2028年,全球15%的日常工作决策将由具备自主决策能力的AI代理完成,而在2024年这一比例近乎为零。2024年全球AI Agents市场规模达52.9亿美元,正式迈入商业化加速期,据预测,到2035年该数值将飙升至2168亿美元,复合年增长率高达40.15%,远远把传统AI市场增速甩在身后。
Agentic AI是指运用机器学习模型,连接各类服务和应用,从而自动执行任务或业务流程的AI Agent。与传统“工具型应用”基于“请求-响应”模式、依赖明确用户指令和预定义业务逻辑不同,它能自主感知环境、规划路径、执行任务并持续学习,实现从“工具”到“智能体”的范式升级,具备自主性、目标导向、动态适应和多模态协作等核心特性。
现实中,已有不少应用初露锋芒。在医疗领域,AI代理能依据患者症状与医学知识库,为医生提供辅助诊断建议,提升诊疗效率与准确性;在投资分析场景,多Agent协作系统通过多个智能体分工协作,成功攻克超复杂任务。但发展之路并非一帆风顺,多个研究团队对当前Agentic AI的实际能力与场景适配性提出了质疑。
例如,卡耐基梅隆大学研究人员开发的基准系统测试结果显示,表现最好的模型Gemini 2.5 Pro,仅能自主完成30.3%的指定测试任务;Salesforce研究团队针对客户关系管理(CRM)场景的AI代理评估基准测试表明,大语言模型代理在单轮交互场景中的平均成功率约为58%,进入多轮交互后,性能大幅下降至35%左右。
那么,在这样充满机遇与挑战的大环境下,企业该如何抉择?是勇敢投身浪潮,还是谨慎驻足观望?近期,来自麦肯锡的Federico Berruti、Lari Hämäläinen、Oana Cheta、Venky Anant合作撰写了一片名为《When can AI make good decisions?The rise of AI corporate citizens》的分析文章,深入探讨了人工智能代理的变革潜力,尤其是在企业决策制定方面的应用。
这篇文章解释了Agentic AI能系统如何超越传统自动化,通过自主决策、学习和协作来优化工作流程和提高效率。强调为了充分发挥这种潜力,企业需要将AI agents理视为企业公民,并重新构想治理、信任和运营模式。可以带你深度洞察Agentic AI对企业的深远意义,以及企业应对这一变革性技术的有效策略。
AGI商业新声翻译了此文,以帮助大家更好地认知Agentic AI。
以下是正文。
随着Agentic AI开始大规模影响决策,有远见的组织需要重新构想治理、信任和运营模式,否则就有可能落后。设想两家金融机构。第一家通过零散的任务级自动化和预测模型组合来管理贷款发放流程。它依赖历史信用评分、刻板的核保规则和批量处理,按顺序处理申请。虽然部分流程已数字化,但许多决策仍需人工干预——无论是异常情况处理、合规审查还是风险标记。这导致决策速度缓慢、申请人体验参差不齐,且随着申请量攀升,运营成本不断上涨。现在来看第二家机构。在这里,贷款发放流程由Agentic AI系统协同完成——这些具备自主推理能力的智能体能够端到端执行并动态调整全流程。它们不仅如传统AI般执行预设流程,或像生成式AI那样将非结构化数据转化为新洞察,还能实时整合数十种数据源——从宏观经济指标、申请人数字行为,到监管变化乃至情绪分析——从而做出复杂决策(图表1)。它们不仅评估信用资质,还能进行实时动态定价调整、推荐最优产品组合,并主动标记异常供人工复核。
图表1:传统AI、Gen AI与Agentic AI的区别 点击看大图这些Agentic AI不止于"执行",更会"思考"。它们能进行跨时间维度的推理,从结果中学习,并与反欺诈、合规、资金配置等领域的其他AI agents协作,持续优化表现。在运营中,智能体动态调配呼叫中心工作量,结合情境感知与情感智能处理客户咨询,仅在需要人类判断时升级处理。结果是:更优决策、更快周期和显著降低的单笔成本。关键在于,AI agents可揭示人类可能忽略的洞见。当某地区贷款表现意外偏离趋势时,Agents能提前发现模式、分析潜在成因并提出缓解策略——甚至在管理层察觉问题之前。其他智能体可自主处理监管报告或压力测试,释放人力资源投入战略创新。其意义影响深远。Agentic AI不仅代表新技术层级,更是一种新型运营范式。虽潜力巨大,风险亦不可小觑。若缺乏审慎治理、透明度和问责机制,这些系统可能加剧偏见、模糊责任或引发合规失误。解决方案?将AI agents视为企业公民。这不仅需要打造稳健的技术基础,更需以端到端视角重构决策机制,明确AI的决策权限,并建立新型管理(及成本)结构以确保AI与人类协同共进。本文将探讨企业如何借助合适工具与实践,在遵循监管要求的同时驾驭这一复杂格局,保持行业领先优势。Agentic AI:潜力与入场成本
Agentic AI标志着与传统基于确定性规则架构系统的显著不同。过去企业决策依赖硬编码逻辑和静态流程——例如客服话术脚本、核保清单或供应链触发机制。这些方法在可预测环境中尚可胜任,却难以应对当今动态、高并发且上下文丰富的现实。Agentic syst…