尽管供应商表示，他们当前基于Agentic AI的产品很容易实施，但分析师表示，事实远非如此。
软件供应商的宣传方式正在演变，Agentic AI开始在其营销信息中取代GenAI，他们说，Agentic AI不仅能生成代码或内容供人类审查，还能遵循指令、做出决策、并在没有人类干预的情况下采取行动，就像人类工作者一样。
Agentic AI远不止是更智能的RPA
Agentic AI不仅仅是RPA的升级版，它有望带领企业到达RPA永远无法企及的高度。
基于Agentic AI的软件提供商、初创公司Doozer AI的联合创始人Paul Chada表示：“可以把RPA想象成轨道上的火车——它只能前往铺设了轨道的地方。Agentic AI更像是一辆自动驾驶汽车——它可以根据不同路线和情况自适应导航。”
Nucleus Research的高级分析师Cameron Marsh表示，使Agentic AI具有自主性或能够独立采取行动的关键在于其解释数据、预测结果、做出决策以及从新数据中学习的能力——这与传统的RPA截然不同，后者在遇到意外数据时会出错。
据Chada称，Agentic AI的这种自适应性可以帮助企业处理传统RPA无法管理的复杂、可变的任务，如理赔员、信贷员或个案工作者的角色，从而提高效率，但前提是它能够访问完成任务所需的必要数据、工作流程和工具。
软件供应商已经在宣传其能够访问这些资源的Agentic AI产品，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，未来可能还会有更多。
那么，现在是CIO投资这项技术的时候了，还是再等等更好呢?
更优秀的代理的早期阶段
Agentic AI承诺实现无需人类干预的自动化，供应商表示这很容易实施——但行业分析师和其他专家表示，对于今天新兴的Agentic AI技术而言，事实远非如此。
Gartner分析师Tom Coshow在10月初的一篇博客文章中写道：“当前基于大型语言模型(LLM)的助手与成熟的AI代理之间存在巨大差距”，并指出为了缩小这一差距，企业必须学会构建、管理和信任这些AI代理。
Coshow预测，即使在2028年，Agentic AI也只会应用于三分之一的企业应用程序，使得“高达15%的日常工作决策能够自主完成”。
对于加拿大Dev Consult公司的首席顾问Martin Bechard来说，“Agentic AI正处于早期采用阶段，最初的产品存在缺陷”。
Tola Capital(一家企业软件初创公司的投资者)的Greg Ceccarelli表示，衡量Agentic AI何时能够更广泛应用也是一个棘手的问题。“目前行业内最大的障碍之一是缺乏针对特定工作流程的基准”，无法比较代理和人类在任务上的表现，他说，少数存在的基准，如OSWorld，都非常学术化。“在这个问题上，行业目前仍处于第0天。”
采用并不容易
虽然供应商将他们的Agentic AI工具描绘成容易采用，但这并不像在工作流程中用代理替换人类决策者那么简单。
研究公司The Futurum Group的CIO实践副总裁Dion Hinchcliffe表示，在最简单的层面上，已经设计为与人类合作的RPA工作流程在准备好用于Agentic AI之前，很可能需要进行重大改造。他说，利用Agentic AI处理非结构化数据、管理情境决策和动态交互的能力，通常并不像更新现有脚本或工作流程那么简单。
Moor Insights and Strategy的首席分析师Jason Andersen表示，必要的工程工作可能包括评估然后向自主式平台公开合适的服务、API、数据和控制，以确保代理拥有完成给定任务所需的上下文和工具。
对于IT咨询公司Eden Digital的创始人Anil Clifford来说，企业需要改变其整体的自动化方法，因为Agentic AI的概率性质与传统上确定性的自动化有着根本的不同。
让工作变得更轻松是一项艰巨的任务
一些平台供应商已经提供了低代码和无代码代理开发和管理平台，但分析师表示，这些平台的功能仅限于构建简单的代理或修改供应商自己构建的代理模板。
Futurum的Hinchcliffe表示：“创建更复杂的代理，特别是那些需要定制集成和细微决策能力的代理，仍然需要对数据流、机器学习模型调优和API集成有一定的技术理解。”他补充说，这些平台有一定的学习曲线，迁移过程可能耗费大量资源。
Marsh表示，Nucleus Research采访过的大多数关于尝试Agentic AI的企业都表示，学习曲线比供应商声称的要陡峭得多，特别是在大规模实施Agentic AI所需的定制深度方面。
Moor的Andersen给出了一个具体的例子：虽然无代码平台提供了与其他应用程序一起工作的连接器等集成工具，但在创建一个代理来完成与该应用程序的复杂任务之前，一个有经验的开发人员或企业架构师必须先设置整个后端工作流程。
仍在使用旧版应用程序(这些应用程序的连接器可能不可用或功能有限)的企业还有其他担忧。
Google的云客户工程师Shruti Dhumak表示：“这些系统通常存在集成挑战，使得对现有技术栈进行重大改变变得困难。这就像试图将一台全新的超级智能计算机安装到仍在运行旧软件机器的旧工厂里一样。”她补充说，在云中诞生或成长的初创公司或企业可能会发现更容易采用Agentic AI。
如果不是现在，那是什么时候?
Dev Consult的Bechard认为，目前对Agentic AI的投资更像是对其潜力的押注，而不是真正的投资，但随着Agentic AI能力的提高，这种赌注的胜算可能会发生变化。“决策者必须通过实验来学习或建立一个滩头阵地，如果技术持续改进，这将成为一种战略优势。”他说。
SanjMo的首席分析师Sanjeev Mohan建议CIO们拭目以待，他认为，如果现有的RPA运行良好，就没有必要花费在Agentic AI上，并建议在决定实施Agentic AI之前，先了解用例的价值。
其他分析师建议，分层或分阶段采用这项技术可能是最佳路径。
Eden Digital的Clifford建议将Agentic AI作为RPA的补充，而不是替代。“这种方法允许企业继续对结构化、重复性任务进行RPA投资，同时逐步引入AI代理来处理更复杂、依赖情境的流程。”他说。
Hinchcliffe也建议仔细权衡金钱和时间上的成本与企业敏捷性、可扩展性和运营效率方面的收益，并为这个等式增加了另一个变量：RPA供应商可能会自己提供Agentic AI功能——UiPath已经在朝这个方向发展——这可能为企业提供了一种更安全、更快的替代方案，而不是自己实施Agentic AI。
