2025德勤预测：Agentic AI自主生成式AI智能体即将爆发

在人工智能的浪潮中，我们见证了技术的飞速发展，从最初的计算器到如今的智能设备，每一步都深刻影响着我们的生活和工作方式。现在，我们正站在一个新的技术革命的门槛上——自主生成式AI智能体（以下简称“Agentic AI”）的时代。德勤在其最新的2025年预测报告中指出，我们正处于这一革命性技术的爆发前夜，它将重新定义知识工作者的生产力和工作流程。

1. 什么是自主生成式AI智能体？

自主生成式AI智能体，或称为Agentic AI，是一种能够独立完成复杂任务并实现目标的软件解决方案。与传统的聊天机器人和辅助驾驶系统不同，Agentic AI拥有更高的自主性和代理能力。它们不仅能够与人类进行直观的交互，还能够合成复杂信息并生成内容，更重要的是，它们能够独立行动，将任务分解为离散步骤，并在几乎没有人类监督或干预的情况下完成工作。以下是Agentic AI的几个关键特性：

· 基于基础模型（Foundation Models）：

Agentic AI通常建立在大型语言模型（LLM）等基础模型之上，这些模型使其能够进行推理、分析和适应复杂且不可预测的工作流程。与仅依赖于特定目的训练的传统机器学习模型相比，基于LLM的Agentic AI更为灵活，能够处理更广泛的用例。

· 自主行动（Autonomous Action）：

Agentic AI能够被训练来规划和执行复杂的任务，大部分过程无需人类干预。它们通过引入推理令牌和链式思考模型，能够解决比以前的LLM更复杂的挑战，虽然响应速度可能较慢，但它们在解决问题时更为谨慎和周到。

· 感知环境（Environment Sensing）：

Agentic AI能够感知其环境，处理信息，并理解所给任务的上下文。高级的Agentic AI可以处理多模态数据，如视频、图像、音频、文本和数字。

· 使用工具（Tool Utilization）：

Agentic AI与工具和系统交互以完成任务，例如软件、企业应用程序和互联网。

· 协调（Orchestration）：

Agentic AI可以指导其他系统和机器人参与完成任务。在多代理系统中，这意味着与其他自主生成式AI代理协作。

· 访问记忆（Memory Access）：

与状态无关的LLM不同，Agentic AI通过引入检索机制和数据库，可以访问短期记忆以保持执行特定任务时的上下文，以及长期记忆以从经验中学习和改进。

2. Agentic AI的潜力与挑战

德勤预测，到2025年，使用生成式AI的公司中有25%将启动Agentic AI的试点或概念验证，到2027年这一比例将增长至50%。尽管Agentic AI的发展仍处于早期阶段，但一些应用已经在特定行业和用例中显示出实际采用的迹象，尤其是在2025年下半年。

Agentic AI的潜力是巨大的，它能够显著提升超过1.25亿全球知识工作者的生产力。然而，这一技术也面临着挑战，包括数据治理、网络安全和人才缺口。目前，只有30%的生成式AI试点能够进入全面生产阶段，而缺乏对生成式AI输出的信任和潜在的“现实世界”后果是企业高管们犹豫不决的原因之一。

3. Agentic AI的应用案例

Agentic AI的应用范围广泛，从软件开发、销售、市场营销到监管合规等各个领域。以下是一些引人注目的用例：

· 客户支持：

客户服务是企业中压力巨大的工作之一，年流失率达到38%。Agentic AI可以通过自动化客户支持工作流程的部分环节，减轻员工的压力，同时帮助企业服务更多客户。例如，一家音频公司正在使用Agentic AI帮助客户设置新设备，这是一个通常需要人工代理的多步骤过程。如果需要人工代理，Agentic AI会整理相关信息并总结问题，然后转移客户。

· 网络安全：

全球网络安全专家的缺口达到400万，同时恶意行为者正在使用生成式AI渗透网络安全系统。新兴的Agentic AI网络安全系统可以通过自动化人类专家的工作，提高效率。它们可以独立检测攻击并生成报告，提高系统安全性，减少人类专家的工作量高达90%。

· 监管合规：

各行各业的公司都需要进行定期的监管合规审查。随着相关法规的增加和复杂性，以及合规专业人员的缺乏，合规成为一个日益增长的挑战。初创公司正在开发Agentic AI，可以分析法规和公司文件，并迅速确定公司是否合规。该代理可以引用具体法规，并主动向人类监管专业人员提供分析和建议。

4. Agentic AI的未来发展

随着Agentic AI技术的进步，其影响可能是巨大的。Agentic AI可以显著提升基于大型语言模型（LLM）的能力，并可能证明公司在生成式AI上的投资是合理的。公众对生成式AI工具的发布反应迅速，高管们很容易想象他们的组织如何使用这项技术。然而，从生成式AI中获得可量化的商业价值往往难以捉摸。

公司在开发和实施Agentic AI时，需要考虑生成式AI的挑战，以及构建能够推理、行动、协作和创造的机器人的复杂性。最重要的是，所有类型的生成式AI代理都需要可靠，以便企业能够使用它们：大多数时候做对工作是不够的。

5. Agentic AI的商业影响

Agentic AI有望通过自动化整个工作流程和离散任务，帮助提高知识工作者的生产力。它能够独立采取行动，作为单个代理或与其他代理协同工作，这使其与传统的聊天机器人和辅助驾驶系统区别开来。

然而，Agentic AI仍处于开发和采用的早期阶段。尽管早期的Agentic AI示例令人印象深刻，但这些代理可能会犯错误并陷入循环。在多代理系统中，“幻觉”可能会从一个代理传播到另一个代理；它们可以说服其他代理采取错误的步骤并给出错误的答案。

尽管Agentic AI可以主要是自主的，但通常在做出决策后让人类审查（也称为“人类在循环”而不是更限制性的“人类在循环中”）可以使Agentic AI更适合当前的部署。在这种模式下，Agentic AI就像一个初级员工，可以在执行有价值的工作的同时通过经验学习。

6. 结论

Agentic AI的愿景是引人注目的，技术正在迅速发展，公司应该现在就做好准备。随着他们做好准备，他们应该考虑以下方法：

· 优先考虑和为Agentic AI重新设计工作流程：

考虑哪些任务和工作流程最适合Agentic AI执行，基于技术的能力以及对公司的最大价值。重新设计它们以消除不必要的步骤。确保Agentic AI解决方案有明确的目标，并且可以访问它们将需要的数据、工具和系统。尽管这些代理可以帮助其他代理导航它们的环境，但杂乱无章和次优的流程可能会带来令人失望的结果。

· 专注于数据治理和网络安全：

对于Agentic AI来说，要提供价值，它必须能够访问有价值且可能敏感的企业数据，以及内部系统和外部资源。公司在开始使用自主生成式AI代理之前应该建立强大的数据治理和网络安全措施。

对于生成式AI的早期采用者来说，他们正在增加IT投资的顶级领域是数据管理（75%）和网络安全（73%）。尽管进行了这些投资，58%的人仍然非常担心在模型中使用敏感数据和管理数据安全。只有23%的人表示他们对管理生成式AI风险和治理准备充分。

简而言之，许多当今的生成式AI领导者似乎对Agentic AI的到来没有准备。如果这些领导者还没有准备好，那么仍在生成式AI场外的公司肯定还有更长的路要走。

· 平衡风险和回报：

在开始使用Agentic AI时，公司应该考虑允许代理的自主程度和数据访问权限。使用非关键数据并有人类监督的低风险用例可以帮助公司建立数据管理、网络安全和治理，以安全地应用Agentic AI。一旦这些措施到位，公司应该考虑使用战略数据、访问更多工具和更多自主权的更高价值用例。

· 保持健康的怀疑态度：

Agentic AI正在发展，并且可能在明年变得更加强大，并将应用于更多的横向和纵向特定用例。预计在2025年全年会有令人印象深刻的演示、模拟和产品公告。但是，我们提到的挑战可能需要一些时间来解决。在解决这些挑战之前，Agentic AI在受控环境中的表现不太可能带来企业性能的改善。仔细评估和质疑。

随着技术的不断进步，Agentic AI正逐步从实验室走向现实世界，它将如何影响我们的工作和生活，这是一个值得关注的问题。德勤的预测为我们提供了一个窗口，让我们得以窥见不远的将来，一个由自主生成式AI智能体主导的新时代。

来源：产品经理李昱君