摘要：麥肯錫數(shù)據(jù)顯示僅23%的企業(yè)開始規(guī)?；瘧?yīng)用。當(dāng)炒作遇上“圍墻花園”和技術(shù)脆性，CIO們該如何布局2026？
如果只看社交媒體和供應(yīng)商的PPT，你可能會覺得“自主智能體”（Agentic AI）的時代已經(jīng)全面降臨。仿佛明天一早，全球企業(yè)的運(yùn)轉(zhuǎn)都將由這些不知疲倦的軟件接管——從寫代碼到搞定客戶服務(wù)。
然而，站在2025年底展望2026，現(xiàn)實(shí)的情況要比炒作復(fù)雜得多。
IDC和麥肯錫的最新數(shù)據(jù)告訴我們：“自主智能體”（Agentic AI）正在經(jīng)歷它的“青春期”——充滿潛力，但跌跌撞撞。
雖然市場上充斥著“90%的IT支持將由智能體完成”的豪言壯語，但落地的數(shù)據(jù)卻相當(dāng)冷靜。
麥肯錫（McKinsey）調(diào)查顯示：雖然?39%的組織表示正在試驗(yàn)自主智能體，但只有?23%的企業(yè)開始在單一業(yè)務(wù)職能中進(jìn)行規(guī)?；瘮U(kuò)展。
IDC預(yù)測：到2026年，全球2000強(qiáng)企業(yè)中?40%的工作角色將涉及“自主智能體”（Agentic AI）的協(xié)作。
這表明，我們正處于一個從“實(shí)驗(yàn)”到“生產(chǎn)”的艱難跨越期。
很多IT領(lǐng)導(dǎo)者對智能體的興奮并非空穴來風(fēng)。與傳統(tǒng)的LLM（大語言模型）不同，“自主智能體”（Agentic AI）不是被動等待指令的工具，而是主動解決問題的“工蜂”。
LLM模式：用戶輸入提示詞 -> 模型輸出文本（被動）。
“自主智能體”（Agentic AI）模式：設(shè)定目標(biāo) -> 智能體感知環(huán)境、調(diào)用記憶、推理路徑、使用工具、執(zhí)行任務(wù)（主動）。
Salesforce、Workday和Microsoft都在爭先恐后地將這種能力嵌入到自家應(yīng)用中。
既然概念這么好，為什么普及速度沒有預(yù)期的快？專家指出了三個核心障礙：
A. 供應(yīng)商的“圍墻花園”
IDC AI高級研究總監(jiān)Nancy Gohring一針見血地指出：這是技術(shù)問題，更是商業(yè)競爭問題。
供應(yīng)商希望將客戶鎖死在自己的生態(tài)系統(tǒng)中。例如，某家客服平臺的API可能故意不與另一家電商軟件兼容。這導(dǎo)致跨平臺的多智能體系統(tǒng)極難構(gòu)建。
B. 技術(shù)的“脆性”
Voxel首席技術(shù)官Bryan O’Sullivan警告說，智能體如果不精確，可能會產(chǎn)生“一堆除了費(fèi)錢毫無用處的垃圾”。
“自主智能體”（Agentic AI）依然面臨幻覺和記憶缺失的問題。如果無法像人類一樣擁有長、中、短期記憶，它們就無法從任務(wù)中真正學(xué)習(xí)，導(dǎo)致整個流程因?yàn)橐粋€小錯誤而脫軌。
C. 數(shù)據(jù)變現(xiàn)的博弈
廠商們還在猶豫如何通過智能體產(chǎn)生的數(shù)據(jù)賺錢，這使得他們在互操作性上猶豫不決，進(jìn)一步阻礙了企業(yè)級部署。
盡管困難重重，但趨勢不可逆轉(zhuǎn)。既然沒有現(xiàn)成的“避坑指南”，IT領(lǐng)導(dǎo)者該如何準(zhǔn)備？
從小處著手，建立試點(diǎn)：不要一上來就試圖用智能體接管整個公司。尋找特定的、容錯率較高的業(yè)務(wù)場景進(jìn)行測試（Fail fast）。
構(gòu)建抽象層與編排能力：在擴(kuò)展到數(shù)十個智能體之前，企業(yè)需要建立自己的控制層。
強(qiáng)化治理與監(jiān)控：智能體是自主的，但不能是失控的。必須建立機(jī)制來監(jiān)控它們的行為，確保數(shù)據(jù)安全和輸出質(zhì)量。
結(jié)語
2026年的“自主智能體”（Agentic AI），不會是“全有或全無”的局面，而是一種“混合狀態(tài)”。成功的企業(yè)將是那些能夠穿透炒作，在特定領(lǐng)域務(wù)實(shí)部署，并建立起有效治理架構(gòu)的先行者。
AI“自主智能體”（Agentic AI）的潛力和現(xiàn)實(shí)已成為一個兩極分化的話題。專家表示，2026年智能體將在企業(yè)中逐步被廣泛采用，但前方仍將面臨失誤和障礙。
“自主智能體”（Agentic AI）似乎正迎來它的“瞬息全宇宙”時刻（everything, everywhere, all at once）。但真的是這樣嗎？
對于那些追蹤社交媒體動態(tài)、供應(yīng)商聲明以及充斥著夸張言論的思想領(lǐng)導(dǎo)力領(lǐng)域的IT從業(yè)者來說，如果他們誤以為全球企業(yè)很快就會依靠AI智能體運(yùn)轉(zhuǎn)，這也是情有可原的。這些智能體軟件據(jù)稱能夠自動化從代碼生成到內(nèi)容創(chuàng)作等各種任務(wù)。
他們看到各種宣言稱“智能體勞動力”時代即將到來（例如宣稱90%的IT支持工作將由智能體執(zhí)行?。?，還看到了關(guān)于有進(jìn)取心的程序員通過基于智能體的產(chǎn)品創(chuàng)造收入的軼事。與此同時，也有人聲稱行業(yè)被兜售了一場騙局，現(xiàn)實(shí)情況與大肆宣傳并不相符。
正如科技行業(yè)常見的情況那樣，現(xiàn)實(shí)往往更加微妙。即便如此，數(shù)據(jù)能讓我們看清真相。雖然麥肯錫（McKinsey）調(diào)查的組織中有39%表示正在試驗(yàn)智能體，但只有23%的企業(yè)開始在單一業(yè)務(wù)職能內(nèi)規(guī)?；瘮U(kuò)展AI智能體。
一、“自主智能體”（Agentic AI）詳解
首先，讓我們退一步講：究竟什么是AI“自主智能體”（Agentic AI）？為什么IT領(lǐng)導(dǎo)者對它們?nèi)绱伺d奮？
利用上下文理解能力以及來自大型語言模型（LLMs）和其他來源的數(shù)據(jù)，“自主智能體”（Agentic AI）能夠感知并從其系統(tǒng)環(huán)境中學(xué)習(xí)，并在努力實(shí)現(xiàn)目標(biāo)的過程中通過推理解決問題。
智能體還會與其他智能體以及其他應(yīng)用程序協(xié)同工作。它們就像工蜂一樣，忙忙碌碌地工作以取悅蜂后。高效地達(dá)成目標(biāo)是最終的游戲規(guī)則。
用戶可能會通過上下文指導(dǎo)來提示LLM產(chǎn)出期望的結(jié)果，而智能體則不同，它基于編程設(shè)定的問題解決邏輯和訓(xùn)練數(shù)據(jù)，自行找出如何實(shí)現(xiàn)目標(biāo)的方法。
Salesforce、Workday和Microsoft等眾多供應(yīng)商已經(jīng)開始將智能體嵌入到企業(yè)用于客戶服務(wù)及其他功能的應(yīng)用程序中。
二、為什么智能體處于“欲速則不達(dá)”的模式
然而，跨平臺工作的多智能體系統(tǒng)的采用速度卻較為緩慢。一些試圖完全依靠智能體運(yùn)營業(yè)務(wù)的公司遭遇了高調(diào)的失敗，以及一些智能體經(jīng)歷了災(zāi)難性技術(shù)故障，這些都對現(xiàn)狀沒有幫助。
IDC人工智能高級研究總監(jiān)Nancy Gohring表示，多智能體系統(tǒng)在構(gòu)建和運(yùn)行上具有技術(shù)挑戰(zhàn)性，而且供應(yīng)商在弄清楚如何將智能體生成和消費(fèi)的數(shù)據(jù)變現(xiàn)之前，對于讓此類系統(tǒng)具備互操作性猶豫不決。
“這既是一個技術(shù)問題，也是一種競爭態(tài)勢，”Gohring說，并補(bǔ)充道供應(yīng)商希望將客戶留在自己的生態(tài)系統(tǒng)內(nèi)。例如，某家供應(yīng)商客戶服務(wù)平臺的API無法與另一家供應(yīng)商的電子商務(wù)軟件協(xié)同工作。
Cengage的首席信息官（CIO）Ken Grady也認(rèn)為，供應(yīng)商在尋求競爭和保護(hù)自身數(shù)據(jù)護(hù)城河時，往往在做背道而馳的努力。他說，這也是目前極少有公司能從智能體中獲得真正價值的一大原因。
三、即使是開發(fā)者也陷入了智能體的困境
危險與風(fēng)險的雙重陰影甚至籠罩著軟件開發(fā)領(lǐng)域。
Voxel首席技術(shù)官（CTO）Bryan O’Sullivan表示，雖然各種規(guī)模的組織都已成功部署智能體來自動化代碼編寫，但數(shù)據(jù)泄露風(fēng)險、供應(yīng)商的“圍墻花園”以及迅速積累的脆弱性都抑制了智能體的前景。他說，這可能導(dǎo)致產(chǎn)生“一堆不可靠的垃圾，除了讓你花很多錢之外毫無用處”。
如果智能體的功能哪怕只有一小部分不精確，它也可能破壞整個流程，這很可能解釋了為什么IT部門往往走在“自主智能體”（Agentic AI）采用的前沿，而其他業(yè)務(wù)部門則選擇回避。O’Sullivan說，正因如此，“智能體向其他高價值領(lǐng)域的深度滲透”仍然有限。
一個根本問題在于記憶——或者更確切地說，是智能體缺乏記憶。為了實(shí)現(xiàn)其自主操作的承諾，智能體必須能夠訪問長、中、短期記憶，這對于從執(zhí)行的任務(wù)中學(xué)習(xí)至關(guān)重要。沒有這些能力，它們本質(zhì)上就像是LLM的聊天會話；其“保質(zhì)期”很短。
四、樂觀的理由
然而，人們普遍相信，一旦AI行業(yè)找到解決這些挑戰(zhàn)的方法——集體的商業(yè)需求將推動這一進(jìn)程——“自主智能體”（Agentic AI）將自動化整個工作流、整個流程，甚至可能是整個業(yè)務(wù)。
IT領(lǐng)導(dǎo)者可以將員工重新分配到更具戰(zhàn)略性的任務(wù)上，或者尋找新的創(chuàng)新杠桿。這是技術(shù)夢想家們長期描繪的田園詩般的夢想，他們想象著企業(yè)能夠晝夜不停地運(yùn)轉(zhuǎn)，在人類睡眠時也幾乎沒有損失。
據(jù)IDC稱，至少在2026年，全球2000強(qiáng)企業(yè)中高達(dá)40%的工作角色將涉及與“自主智能體”（Agentic AI）的協(xié)作，這將重新定義許多企業(yè)的工作流。
Cengage的Grady表示，他有信心供應(yīng)商會為自己和客戶找到最佳的前進(jìn)路徑。Grady預(yù)計，尋求創(chuàng)建更高效業(yè)務(wù)流程的組織將會擴(kuò)大其智能體的實(shí)施范圍。
他說，隨著技術(shù)和協(xié)議的成熟，原本可能僅占運(yùn)營2%的商業(yè)用例可能會增長到20%，并補(bǔ)充說更多的公司將尋求將成功的試點(diǎn)項(xiàng)目推向生產(chǎn)環(huán)境。
與此同時，IT領(lǐng)導(dǎo)者應(yīng)該做些什么來為“智能體企業(yè)”做準(zhǔn)備呢？
由于智能體代表了一個新興的技術(shù)類別，目前還沒有一本確定的采用手冊。至少，沒有一本是專門針對智能體的。
即便如此，IDC的Gohring表示，IT領(lǐng)導(dǎo)者必須確定要運(yùn)行和測試的試點(diǎn)項(xiàng)目。她補(bǔ)充說，隨著他們對實(shí)驗(yàn)建立起信心和舒適度，在尋求規(guī)?；?，他們應(yīng)該建立控制和可見性的機(jī)制。
企業(yè)應(yīng)該構(gòu)建核心抽象層和基礎(chǔ)編排能力，進(jìn)行測試、學(xué)習(xí)，并尋求整合治理和監(jiān)控能力，特別是當(dāng)他們擴(kuò)展到數(shù)十個或更多智能體的時候。
基于實(shí)際使用模式優(yōu)化架構(gòu)至關(guān)重要。而且，一如既往地，“快速失敗”并從中學(xué)習(xí)是這一過程中至關(guān)重要的一部分。
