這兩種相關(guān)技術(shù)可以協(xié)同工作，但CIO應(yīng)了解它們之間的區(qū)別，以防受供應(yīng)商夸大宣傳和混淆概念的影響。
圖源：Rob Schultz / Shutterstock
agentic AI（代理型人工智能）仍處于起步階段，而各組織紛紛急于采用AI agents（智能體），似乎對這兩項技術(shù)之間的差異存在一些混淆。
許多人一直將“agentic AI”和“AI agents”這兩個術(shù)語交替使用，但專家表示，人們越來越認識到這是兩種雖相互關(guān)聯(lián)但又有所不同的工具。專家稱，CIO們應(yīng)該了解這種差異，以確保為工作選擇合適的工具。
AI從業(yè)者開始這樣定義這兩種技術(shù)：agentic AI是組織IT系統(tǒng)中執(zhí)行特定功能的工具，目標是產(chǎn)生可預(yù)測的結(jié)果。AI agents的工作范圍較窄，通常學(xué)習(xí)新信息的能力有限。
他們還表示，仍處于起步階段的agentic AI是一種綜合性技術(shù)，它可以利用智能體和其他人工智能工具創(chuàng)建完全自主的系統(tǒng)，這些系統(tǒng)能夠自行設(shè)定目標、隨著時間推移進行學(xué)習(xí)，并在不同任務(wù)之間進行推理。
移動安全供應(yīng)商iVerify的機器學(xué)習(xí)主管Numa Dhamani（努瑪·達馬尼）表示，一些公司已開始部署agentic AI的早期原型，但一個真正的自主系統(tǒng)所需的長期持久內(nèi)存和其他功能目前還無法實現(xiàn)。
“agentic AI能夠設(shè)定或重新確定目標優(yōu)先級，它們能夠動態(tài)地對不同領(lǐng)域的任務(wù)進行推理。”她說道，“它們可以進行自我反思或改進循環(huán)，還開始就執(zhí)行哪些任務(wù)以及如何對任務(wù)進行排序做出決策?！?/span>
軟件治理供應(yīng)商ModelOp的首席技術(shù)官Jim Olsen（吉姆·奧爾森）表示，CIO們可以將智能體視為單個參與者或員工，而agentic AI則是一個更大的團隊。“團隊中的每個成員都為整體任務(wù)帶來特定的能力（工具）和專業(yè)知識（培訓(xùn)），而agentic AI則是整個團隊共同協(xié)作解決問題，”他補充道。
電子郵件營銷平臺供應(yīng)商Constant Contact的人工智能主管Louis Gutierrez（路易斯·古鐵雷斯）也用參與者和團隊的比喻來解釋。
“agentic AI更像是一個協(xié)調(diào)層——一個監(jiān)督和協(xié)調(diào)多個智能體以實現(xiàn)更廣泛目標的系統(tǒng)，”他補充道，“如果AI智能體是單個參與者，那么agentic AI就是教練、團隊和戰(zhàn)術(shù)手冊協(xié)同工作。”
一、為何CIO們應(yīng)關(guān)注？供應(yīng)商的混淆策略
iVerify的Dhamani（達馬尼）表示，盡管這兩種人工智能技術(shù)之間的差異聽起來像是語義上的問題，但這種區(qū)分對CIO們來說很重要，因為目前這兩種技術(shù)都受到了大量炒作。在某些情況下，供應(yīng)商所銷售的被他們稱為智能體或agentic AI的技術(shù)，實際上并非如此。
她說道：“你可能只是為那些包裝得像智能體的花哨聊天機器人支付了過高的費用。”
她還補充說，CIO應(yīng)該警惕那些試圖向他們（提供）agentic AI的供應(yīng)商，因為這項技術(shù)仍處于初級階段。在MCP（模型上下文協(xié)議）和其他智能體連接協(xié)議最近發(fā)布之后，AI開發(fā)人員開始朝著完全自主的agentic AI邁進，但他們尚未達到所需的共享記憶或工具協(xié)調(diào)能力。
Dhamani（達馬尼）還補充說，一些供應(yīng)商可能會過度承諾、交付不足，并銷售行為不可預(yù)測的系統(tǒng)。“我看到很多人在宣傳agentic AI，但實際上，它只是一個帶有RAG（檢索增強生成）的聊天機器人它只是一個檢索一些文檔或調(diào)用計算器的聊天機器人，這并不是真正的智能代理體驗?！?/span>
Constant Contact的Gutierrez（古鐵雷斯）表示，如果AI供應(yīng)商無法解釋其技術(shù)的工作原理，這就是一個危險信號?！爸档门宄阗徺I的是一個真正的智能代理系統(tǒng)，還是一個用流行術(shù)語包裝起來的工作流智能體。這個領(lǐng)域最大的危險在于混淆概念——這并不總是故意的，但夸大技術(shù)的實際作用很常見?！?/span>
Dhamani（達馬尼）稱，如果不完全了解智能體和agentic AI的工作方式，CIO和其他IT領(lǐng)導(dǎo)者可能也無法意識到其中涉及的風(fēng)險以及所需的監(jiān)督。
她補充道：“你需要對它們進行監(jiān)控和審計。如果你現(xiàn)在開始進行諸如調(diào)用工具和發(fā)起行動等操作，就會引入很多協(xié)調(diào)方面的復(fù)雜性，而且影響范圍也會擴大，可能出錯的地方就會出錯。”
二、你真的需要自主型機器人嗎？
隨著agentic AI的出現(xiàn)，首席信息官需要問自己的第一個問題就是他們是否真的希望自主型AI在其IT系統(tǒng)中運行，ModelOp的Olsen（奧爾森）補充道。
他說：“真正的agentic AI依賴于給予解決方案一定程度的自主權(quán)，以便它能自行確定完成任務(wù)的最佳方式。絕對建議進行最終審查，因為事情可能會失控。考慮到這可能給你的業(yè)務(wù)帶來高風(fēng)險，你真的需要那種完全的自主權(quán)來完成任務(wù)嗎？”
Olsen（奧爾森）表示，使用MCP或其他協(xié)議將智能體相互連接也會帶來數(shù)據(jù)泄露的風(fēng)險。
他問道：“如果你真的想實現(xiàn)智能體之間的交互，通過那條路徑可能會泄露哪些數(shù)據(jù)呢？你有一個只能訪問這個客戶數(shù)據(jù)庫的工具，該數(shù)據(jù)庫包含社保號碼，但隨后這個智能體將這些號碼發(fā)送給了另一個有權(quán)訪問Slack的智能體，然后這些號碼就被發(fā)布到了公共的Slack頻道上。”
Olsen（奧爾森）認為這兩種技術(shù)都在迅速發(fā)展。現(xiàn)在由LLM（大語言模型）AI驅(qū)動的代理，將轉(zhuǎn)而依賴經(jīng)過訓(xùn)練以應(yīng)對分配給代理的任務(wù)的SLM（小語言模型），他表示。智能體將變得更智能、更可靠。
他說：“我相信我們將開始擁有真正專業(yè)的智能體，在這種情況下，你會使用一個針對特定任務(wù)進行高度訓(xùn)練的SLM，就像你會把軟件程序員、敏捷專家和產(chǎn)品經(jīng)理聚集在一起那樣。你將開始培養(yǎng)專門的團隊成員，也就是智能體，它們將非常擅長執(zhí)行那些特定任務(wù)。”
盡管未來充滿希望，但Dhamani（達馬尼）建議，考慮采用這兩種AI變體的CIO和其他IT領(lǐng)導(dǎo)者在投身其中之前應(yīng)該做好功課。他們需要了解AI將如何受到監(jiān)督，并需要確保他們的數(shù)據(jù)已清理完畢，隨時可供智能體或agentic AI使用。
她建議各組織從小規(guī)模開始。她說：“我會從一個非常受限的低風(fēng)險用例入手。一開始讓智能體處于只讀或僅提供建議的模式，然后在它達到所有性能閾值后，再逐步增加其自主權(quán)。”
作者：Grant Gross（格蘭特·格羅斯）
Grant Gross（格蘭特·格羅斯）是CIO的資深撰稿人，是一名長期的科技記者。他曾擔(dān)任華盛頓記者，后來擔(dān)任IDG新聞服務(wù)的高級編輯。在他職業(yè)生涯的早期，他曾擔(dān)任Linux.com的總編輯和科技職業(yè)網(wǎng)站Techies.com的新聞編輯。在遙遠的過去，他曾在明尼蘇達州和達科他州的報紙擔(dān)任記者和編輯。
譯者：寶藍
睿觀：
CIO必須清晰區(qū)分“AI智能體（AI agents）”與“代理型人工智能（agentic AI）”（核心要求）?！爸悄荏w”是執(zhí)行特定任務(wù)、結(jié)果可預(yù)測的“單個參與者”；而“代理型AI”是能自主設(shè)定目標、跨領(lǐng)域推理并協(xié)調(diào)多個智能體的“團隊”，目前尚不成熟（核心定義區(qū)分）。由于供應(yīng)商可能混淆概念、夸大宣傳，且新技術(shù)帶來更復(fù)雜的協(xié)調(diào)與數(shù)據(jù)泄露風(fēng)險，CIO應(yīng)審慎評估自主性的必要性，并采取從小處著手、逐步增加權(quán)限的策略，以確保AI部署的安全與有效（風(fēng)險與應(yīng)對策略）。
金句：
在AI的世界里，智能體是“士兵”，代理型AI是“將軍”；分清兵與將，才能在避免風(fēng)險的同時，贏得真正的自動化戰(zhàn)役。
