德勤周三发布的一份报告显示，企业正在努力从小规模的生成式AI应用向大范围智能体系统过渡，这一转型对许多企业而言仍面临重重挑战。此次调研共覆盖逾500位技术领导者，并对20位高管及数据科学负责人进行了深度访谈。
尽管约半数技术领导者表示对未来AI运营模式有清晰规划，但实际上仅有15%的企业成功实现了多智能体系统的规模化落地。大多数受访者坦言，在人员能力、业务流程、生态合作伙伴关系、安全保障及治理政策等方面均准备不足。
德勤副主席兼美国科技、媒体与电信行业负责人China Widener在接受采访时表示，技术领导者需要认识到，这场变革的核心不是单纯增加智能体数量，而是从根本上改变组织内部的工作方式。"这是一段跨越数年的旅程，坦率地说，随着智能体相关技术的持续进步，这一进程也将不断演进。"
2026年，企业在智能体系统上的投入持续增加，但对于大多数组织而言，全面落地部署仍遥不可及。
德勤调研的技术领导者普遍认为，大多数企业距离实现"半数业务流程围绕AI智能体重新设计"以及"智能体之间自主协同运作"的目标，至少还需要三到四年时间。
目前，许多企业选择在现有流程上叠加AI智能体，而非从零开始对流程进行系统性重构。这种方式虽然能够快速引入技术，但无法充分释放智能体技术的真正价值，德勤报告对此指出。
在技术层面，企业面临的主要挑战包括：缺乏统一且可访问的数据基础、难以对智能体建立信任并实施有效治理，以及集成成本高、复杂度大。在组织层面，员工能力储备不足与业务流程尚未就绪同样是突出问题。
Widener表示，AI发展速度之快，使首席信息官们始终处于动态调整的状态中。AI战略必须与技术变化同步演进。
"技术组件、治理组件、数据组件和人的组件在同步演进，"Widener说，"这正是转型如此艰难的根源所在。"
埃森哲近期发布的报告也显示，智能体AI正在为多数企业带来积极影响，但真正能够向董事会汇报持续商业价值的企业仍属少数。
Widener指出，希望深化智能体AI应用的首席信息官们需要意识到，这是一种与过去几年企业广泛部署的线性生成式AI模型截然不同的技术。自动化模型每次执行任务或处理查询时都遵循固定步骤，而智能体模型的运作方式则更难预测。用户需要对结果进行验证，这与大多数人习以为常的工作方式有着本质区别。
"我们正在进入一个全新时代，技术和智能体解决方案具备了自主思考的能力，能够在不被逐步指令的情况下，自主判断并找到实现目标的最优路径，"Widener说道。
Q&A
Q1：德勤报告中，企业规模化落地多智能体系统的比例是多少？
A：根据德勤调研，尽管约50%的技术领导者表示对未来AI运营模式有清晰规划，但实际上只有15%的企业真正实现了多智能体系统的规模化部署。大多数企业在员工能力、业务流程、安全治理等方面仍准备不足。
Q2：企业采用AI智能体面临哪些主要挑战？
A：德勤报告指出，技术层面的挑战主要包括缺乏统一可访问的数据基础、难以信任和治理智能体，以及集成成本高、复杂度大。组织层面则面临员工能力储备不足和业务流程尚未就绪等问题。两类挑战并存，使得全面落地更加困难。
Q3：AI智能体和普通生成式AI模型有什么区别？
A：普通生成式AI模型处理任务时每次都遵循固定步骤，而AI智能体的运作方式更难预测，能够自主判断并找到实现目标的最优路径，无需被逐步指引。这意味着用户需要主动验证智能体的输出结果，工作方式发生了根本性转变。
