盡管供應商表示，他們當前基于Agentic AI的產品很容易實施，但分析師表示，事實遠非如此。

軟件供應商的宣傳方式正在演變，Agentic AI開始在其營銷信息中取代GenAI，他們說，Agentic AI不僅能生成代碼或內容供人類審查，還能遵循指令、做出決策、并在沒有人類干預的情況下采取行動，就像人類工作者一樣。

Agentic AI遠不止是更智能的RPA

Agentic AI不僅僅是RPA的升級版，它有望帶領企業到達RPA永遠無法企及的高度。

基于Agentic AI的軟件提供商、初創公司Doozer AI的聯合創始人Paul Chada表示：“可以把RPA想象成軌道上的火車——它只能前往鋪設了軌道的地方。Agentic AI更像是一輛自動駕駛汽車——它可以根據不同路線和情況自適應導航。”

Nucleus Research的高級分析師Cameron Marsh表示，使Agentic AI具有自主性或能夠獨立采取行動的關鍵在于其解釋數據、預測結果、做出決策以及從新數據中學習的能力——這與傳統的RPA截然不同，后者在遇到意外數據時會出錯。

據Chada稱，Agentic AI的這種自適應性可以幫助企業處理傳統RPA無法管理的復雜、可變的任務，如理賠員、信貸員或個案工作者的角色，從而提高效率，但前提是它能夠訪問完成任務所需的必要數據、工作流程和工具。

軟件供應商已經在宣傳其能夠訪問這些資源的Agentic AI產品，包括Salesforce的Agentforce、基于Microsoft Copilot的自主代理、ServiceNow的AI代理、Google的Vertex AI Agent Builder、Amazon Bedrock代理和IBM的watsonx Agent Builder等，未來可能還會有更多。

那么，現在是CIO投資這項技術的時候了，還是再等等更好呢?

更優秀的代理的早期階段

Agentic AI承諾實現無需人類干預的自動化，供應商表示這很容易實施——但行業分析師和其他專家表示，對于今天新興的Agentic AI技術而言，事實遠非如此。

Gartner分析師Tom Coshow在10月初的一篇博客文章中寫道：“當前基于大型語言模型(LLM)的助手與成熟的AI代理之間存在巨大差距”，并指出為了縮小這一差距，企業必須學會構建、管理和信任這些AI代理。

Coshow預測，即使在2028年，Agentic AI也只會應用于三分之一的企業應用程序，使得“高達15%的日常工作決策能夠自主完成”。

對于加拿大Dev Consult公司的首席顧問Martin Bechard來說，“Agentic AI正處于早期采用階段，最初的產品存在缺陷”。

Tola Capital(一家企業軟件初創公司的投資者)的Greg Ceccarelli表示，衡量Agentic AI何時能夠更廣泛應用也是一個棘手的問題。“目前行業內最大的障礙之一是缺乏針對特定工作流程的基準”，無法比較代理和人類在任務上的表現，他說，少數存在的基準，如OSWorld，都非常學術化。“在這個問題上，行業目前仍處于第0天。”

采用并不容易

雖然供應商將他們的Agentic AI工具描繪成容易采用，但這并不像在工作流程中用代理替換人類決策者那么簡單。

研究公司The Futurum Group的CIO實踐副總裁Dion Hinchcliffe表示，在最簡單的層面上，已經設計為與人類合作的RPA工作流程在準備好用于Agentic AI之前，很可能需要進行重大改造。他說，利用Agentic AI處理非結構化數據、管理情境決策和動態交互的能力，通常并不像更新現有腳本或工作流程那么簡單。

Moor Insights and Strategy的首席分析師Jason Andersen表示，必要的工程工作可能包括評估然后向自主式平臺公開合適的服務、API、數據和控制，以確保代理擁有完成給定任務所需的上下文和工具。

對于IT咨詢公司Eden Digital的創始人Anil Clifford來說，企業需要改變其整體的自動化方法，因為Agentic AI的概率性質與傳統上確定性的自動化有著根本的不同。

讓工作變得更輕松是一項艱巨的任務

一些平臺供應商已經提供了低代碼和無代碼代理開發和管理平臺，但分析師表示，這些平臺的功能僅限于構建簡單的代理或修改供應商自己構建的代理模板。

Futurum的Hinchcliffe表示：“創建更復雜的代理，特別是那些需要定制集成和細微決策能力的代理，仍然需要對數據流、機器學習模型調優和API集成有一定的技術理解。”他補充說，這些平臺有一定的學習曲線，遷移過程可能耗費大量資源。

Marsh表示，Nucleus Research采訪過的大多數關于嘗試Agentic AI的企業都表示，學習曲線比供應商聲稱的要陡峭得多，特別是在大規模實施Agentic AI所需的定制深度方面。

Moor的Andersen給出了一個具體的例子：雖然無代碼平臺提供了與其他應用程序一起工作的連接器等集成工具，但在創建一個代理來完成與該應用程序的復雜任務之前，一個有經驗的開發人員或企業架構師必須先設置整個后端工作流程。

仍在使用舊版應用程序(這些應用程序的連接器可能不可用或功能有限)的企業還有其他擔憂。

Google的云客戶工程師Shruti Dhumak表示：“這些系統通常存在集成挑戰，使得對現有技術棧進行重大改變變得困難。這就像試圖將一臺全新的超級智能計算機安裝到仍在運行舊軟件機器的舊工廠里一樣。”她補充說，在云中誕生或成長的初創公司或企業可能會發現更容易采用Agentic AI。

如果不是現在，那是什么時候?

Dev Consult的Bechard認為，目前對Agentic AI的投資更像是對其潛力的押注，而不是真正的投資，但隨著Agentic AI能力的提高，這種賭注的勝算可能會發生變化。“決策者必須通過實驗來學習或建立一個灘頭陣地，如果技術持續改進，這將成為一種戰略優勢。”他說。

SanjMo的首席分析師Sanjeev Mohan建議CIO們拭目以待，他認為，如果現有的RPA運行良好，就沒有必要花費在Agentic AI上，并建議在決定實施Agentic AI之前，先了解用例的價值。

其他分析師建議，分層或分階段采用這項技術可能是最佳路徑。

Eden Digital的Clifford建議將Agentic AI作為RPA的補充，而不是替代。“這種方法允許企業繼續對結構化、重復性任務進行RPA投資，同時逐步引入AI代理來處理更復雜、依賴情境的流程。”他說。

Hinchcliffe也建議仔細權衡金錢和時間上的成本與企業敏捷性、可擴展性和運營效率方面的收益，并為這個等式增加了另一個變量：RPA供應商可能會自己提供Agentic AI功能——UiPath已經在朝這個方向發展——這可能為企業提供了一種更安全、更快的替代方案，而不是自己實施Agentic AI。