經(jīng)歷了一整年的炒作、實驗和無數(shù)次失敗后，AI 智能體（AI Agents）正站在一個關(guān)鍵的十字路口。Gartner 預(yù)測 40% 的項目將在 2027 年前夭折，而普華永道卻發(fā)現(xiàn)近八成企業(yè)已在大規(guī)模試水。
2026 年，Agentic AI 究竟是會迎來爆發(fā)，還是陷入沉寂？答案取決于?CIO?們能否解決最核心的痛點：信任、數(shù)據(jù)與流程。
一、 迷霧重重：幻覺與現(xiàn)實的差距
目前，企業(yè)對 AI 智能體的期望往往過高。
誤區(qū)：許多組織錯誤地將?LLM（大語言模型）視為“推理機器”，指望它們能像人類一樣自主解決復(fù)雜問題。
真相：Pega?的 CTO Don Schuerman 一針見血地指出，LLM 本質(zhì)上只是“文本預(yù)測機器”。
后果：當企業(yè)試圖將這些“概率性”的工具應(yīng)用于需要高度確定性、一致性和可審計性的業(yè)務(wù)流程時，災(zāi)難便發(fā)生了?；糜X（Hallucination）問題使得 AI 智能體在短期內(nèi)難以完全接管關(guān)鍵任務(wù)。
二、 破局之道：CIO必須回歸的三大原點
要在 2026 年取得突破，CIO 們不能再依賴“全面撒網(wǎng)”式的隨機部署，而必須回歸 IT 部署的本質(zhì)：
2.1重新定義工作流（Workflow Redesign）
不要試圖自動化一個糟糕的流程。Asana?的 CIO Saket Srivastava 強調(diào)，如果流程本身存在缺陷，加 AI 只會放大錯誤。正確的做法是：先用 AI 重新設(shè)計流程，再讓智能體接管。
策略：在設(shè)計階段就將“推理”能力植入智能體的任務(wù)鏈中，確保其在既定軌道上運行。
2.2結(jié)果導(dǎo)向（Outcome-Focused）
IBM 的 CIO Matt Lyteson 建議，與其先考慮“用什么技術(shù)”，不如先明確“要達成什么結(jié)果”。
實踐：IBM 已成功部署數(shù)千個智能體用于處理低級 IT 支持請求。成功的關(guān)鍵在于明確界定智能體的權(quán)限和預(yù)期產(chǎn)出，而不是讓它們自由發(fā)揮。
2.3 全生命周期管理（Lifecycle Management）
隨著員工創(chuàng)建的智能體數(shù)量激增，未來企業(yè)的智能體數(shù)量可能超過員工數(shù)。CIO 必須建立一套完整的生命周期管理機制：
監(jiān)控：誰在使用？效果如何？
退役：及時清理無效或過時的智能體。
治理：建立基于數(shù)據(jù)和上下文的信任機制，解決安全與合規(guī)隱患。
三、 未來展望：從“自主”到“協(xié)作”
Salesforce 的 CIO Dan Shmitt 預(yù)測，2026 年我們不太可能看到全自動系統(tǒng)在企業(yè)中普及。相反，“人機協(xié)作”（Collaborative Systems）將成為主流。智能體將作為副駕駛（Co-pilot），在員工的監(jiān)督下處理日常任務(wù)，增強決策能力。
結(jié)語：
2026 年將是區(qū)分“贏家”與“輸家”的一年。贏家不是那些擁有最多智能體的企業(yè)，而是那些能冷靜地將智能體整合進核心業(yè)務(wù)流程、并建立起堅實數(shù)據(jù)治理底座的實干家。
CIO 在應(yīng)用 AI 智能體（AI Agents）時仍面臨諸多障礙，包括信任缺失以及對結(jié)果的關(guān)注不足。盡管如此，專家們依然看好AI自主智能體（Agentic AI）在企業(yè)級市場的發(fā)展前景。
過去一年，關(guān)于 AI 智能體的炒作鋪天蓋地，伴隨著大量的實驗和頻發(fā)的失敗。一些 AI 專家認為，2026 年該領(lǐng)域的改進將十分有限。
例如，研究機構(gòu) Gartner 預(yù)測，由于成本不斷攀升、商業(yè)價值模糊不清或風險控制不足，到 2027 年，將有 40% 的AI自主智能體項目被取消。
與此同時，關(guān)于企業(yè)實際成功部署智能體的數(shù)據(jù)也存在相互矛盾的說法。普華永道（PwC）5 月份的一項調(diào)查顯示，79% 的受訪企業(yè)已在某種程度上采用了智能體。然而，企業(yè)搜索供應(yīng)商 Lucidworks（曾開發(fā)一款智能體用于評估電商網(wǎng)站的 AI 能力）發(fā)現(xiàn)，在它分析的 1100 個網(wǎng)站中，僅有 6% 部署了不止一個自主智能體解決方案。
AI 決策與工作流自動化供應(yīng)商 Pega 的首席技術(shù)官（CTO）Don Schuerman 表示，雖然今年智能體的部署量會有所增長，但該技術(shù)可能尚未真正進入主流，部分原因是驅(qū)動智能體的大語言模型（LLM）仍存在“幻覺”問題。
“2026 年將是區(qū)分成功路徑與失敗路徑的分水嶺，”他說，“我不確定今年是否能看到智能體全面接管一切——這可能是一個比人們預(yù)期更長期的轉(zhuǎn)型過程?！?/span>
一、前景不明朗
Schuerman 指出，許多組織在應(yīng)用AI自主智能體時面臨的一大挑戰(zhàn)是：他們部署 LLM 時，錯誤地期望這些模型能像人類一樣對問題進行“推理”，從而導(dǎo)致對結(jié)果的期望過高?！癓LM 不是推理機器，它們本質(zhì)上只是文本預(yù)測機器，”他補充道。
Schuerman 觀察到，許多組織將智能體設(shè)計用于處理可預(yù)測的工作流。在這些場景中，智能體不需要推理，只需接管常規(guī)任務(wù)即可為員工節(jié)省時間。然而，他認為，要真正通過AI自主智能體取得成功，需要在設(shè)計階段就將推理能力構(gòu)建到智能體的任務(wù)中。
“必須將智能體的行為深深植根于這些業(yè)務(wù)流程和工作流之中。因為企業(yè)的大多數(shù)操作都希望以相當確定的工作流運行，包含一系列規(guī)定的步驟，并且要求每次都能以一致的方式執(zhí)行，具備高度的可預(yù)測性、一致性和可審計性，”他解釋道。
Schuerman 認為，早期推廣造成的誤導(dǎo)，扭曲了人們對智能體使用方式的預(yù)期。相反，AI 應(yīng)當被用來幫助重新定義那些將被智能體接管的業(yè)務(wù)工作流。
“那種認為我們可以隨意在業(yè)務(wù)中部署成千上萬個智能體，然后放任不管的想法，是一個誤區(qū)，”他說，“相反，我們要做的利用智能體來定義和設(shè)計業(yè)務(wù)中所需的許多工作流，并且以比以往更快、更完整的速度來完成這項工作。”
Salesforce 首席信息官（CIO）Dan Shmitt 也認為，2026 年AI自主智能體的前景仍面臨諸多障礙。例如，許多組織在如何啟動、擴展及定義成功方面仍缺乏清晰的路線圖。他補充說，如果沒有高質(zhì)量的數(shù)據(jù)和統(tǒng)一的治理模型，智能體可能會產(chǎn)出不可靠的結(jié)果。
盡管如此，Shmitt 認為隨著時間的推移，智能體的使用將變得更加廣泛，哪怕不像某些 AI 專家預(yù)測的那樣實現(xiàn)完全自主化。
“我們不太可能看到全自動系統(tǒng)在各組織中被普遍部署，”他說，“相反，組織將開始采用智能體作為協(xié)作系統(tǒng)，讓它們在日常流程中與人類及其他智能體并肩工作，以增強員工的生產(chǎn)力和決策能力?！?/span>
為了實現(xiàn)這一目標，Pega 的 Schuerman 強調(diào)，CIO 在推廣智能體時必須堅守 IT 部署的基本原則。
“我們越來越意識到，擁有像智能體這樣的新技術(shù)，并不意味著你可以忽略那些重要的基礎(chǔ)工作，比如理順工作流、確數(shù)據(jù)準確、明確定義結(jié)果，”他說，“你必須理解它們是如何交付結(jié)果的。你必須確保智能體能夠連接到數(shù)據(jù)?！?/span>
二、“天空才是極限”
IBM 首席信息官 Matt Lyteson 也預(yù)計 2026 年AI自主智能體將迎來更多成功的部署案例，特別是當 IT 領(lǐng)導(dǎo)者能夠在推廣時專注于“針對性結(jié)果”的話。他還指出，CIO 還需要關(guān)注數(shù)據(jù)安全與控制，并更好地理解智能體如何與其他 IT 系統(tǒng)進行交互。
“我們的重點是：如何將智能體擴展到越來越多的使用場景中，從而為組織帶來價值？我如何真正理解預(yù)期的結(jié)果、我需要提供給智能體的數(shù)據(jù)，以及如何管理和控制它們？”他解釋道，“如果組織能做到這些，我們將看到更廣泛的采用和更大的成功?！?/span>
Lyteson 表示，部署智能體的一個障礙是將它們與現(xiàn)有系統(tǒng)和數(shù)據(jù)進行集成。另一個障礙則是在未充分定義目標結(jié)果的情況下就盲目部署。
“作為 IT 業(yè)務(wù)部門，我們習慣于先考慮流程，讓流程去完成某件事，而不是先考慮結(jié)果和我希望智能體達成什么目標，”他說，“有些事情開始阻礙我們，這些是很棘手的領(lǐng)域。如果你沒有以正確的方式思考透徹，真的會導(dǎo)致挫折。”
Lyteson 透露，IBM 已部署了數(shù)百個企業(yè)工作流 AI 智能體和數(shù)千個個人生產(chǎn)力智能體。例如，公司正在使用智能體來對 IT 支持工單進行分流，并處理低級別的支持請求。
Lyteson 建議 CIO 們對智能體的潛力保持開放態(tài)度，即使某些試點項目尚未取得良好效果。
“每一天、每一周，我們都在學習新東西，”他說，CIO們需要將這些經(jīng)驗應(yīng)用于最大化組織價值，“我們需要持續(xù)保持好奇心，并將其轉(zhuǎn)化為業(yè)務(wù)成果。如果我和我的 CIO 同行們能做到更多，那么天空才是極限?！?/span>
三、思考智能體的生命周期
與 Lyteson 類似，Asana 首席信息官 Saket Srivastava 也預(yù)計 2026 年 AI 智能體的部署將持續(xù)增長，盡管 CIO 面臨諸多挑戰(zhàn)。
其中的挑戰(zhàn)之一是人類對使用智能體的抵觸情緒。但 Srivastava 也認為，CIO 需要更好地掌控智能體的生命周期，包括追蹤由員工自行創(chuàng)建的智能體，并決定何時淘汰無效的智能體。許多 CIO 很快將不得不面對一個“智能體數(shù)量多于員工”的工作環(huán)境，因此監(jiān)控智能體的有效性將變得至關(guān)重要。
與此同時，可靠性和信任問題可能仍會限制近期內(nèi)部署的智能體數(shù)量。
“信任源于結(jié)構(gòu)，源于上下文、權(quán)限、決策過程的可見性以及工作流的推進方式，” Srivastava 補充道，“而且我們大家確實可能對 AI 的一切都有點過度興奮，處于這種‘試點模式’中，在缺乏清晰認知的情況下嘗試了一堆東西。我們有正確的數(shù)據(jù)嗎？這是正確的流程嗎？”
他補充說，在某些情況下，組織將 AI 智能體添加到了本就存在缺陷的工作流和流程中。
“在自動化的早期階段，我們常說‘自動化一個糟糕的流程毫無意義’，” Srivastava 說，“你是否在更深入地審視你的流程？你是否在重新構(gòu)想這些流程，然后再將 AI 應(yīng)用于其中？這就是我對新的一年的展望?！?/span>
Srivastava 表示，雖然一些智能體試點項目可能為時過早，但 CIO 們?nèi)孕璨粩鄧L試，并在穩(wěn)健的成果與創(chuàng)新之間取得平衡。
“也許‘百花齊放’并不是最佳策略，但要創(chuàng)造一個適合實驗蓬勃發(fā)展的環(huán)境。同時，你要有更高的信心，相信 AI 已經(jīng)準備好去解決這些問題，”他說，“確保你解決的是正確的問題，用的是正確的方式，你在衡量結(jié)果，然后再邁向下一個問題?！?/span>
