共计 1132 个字符，预计需要花费 3 分钟才能阅读完成。
AI Agent 现在很火，但真正做出成果的不多，对甲方来说还不算成功。在“DeepTalk|DeepSeek 猜想系列”对话中，Gartner 公司副总裁孙鑫提到，国内 AI Agent 正处顶峰，未来两到五年或进入生产成熟期，但企业探索时要谨慎，技术瓶颈、可靠性、成本、场景适用性都是制约因素。
定义与炒作
到底啥是 AI Agent？Gartner 给出了严苛定义标准。目前很多厂商推出相关产品，但存在“Agent Washing”现象，即把现有技术重新包装成 Agent，导致市场混乱和误导性投资。比如一些 RPA 公司或应用公司直接改称 AI Agent 公司，改名后吸引了不少用户尝试。Gartner 数据显示，2024 年 Q2 到 Q4 关于 Agent 的咨询量增长了 750%，但甲方 Agent 部署成功率不到 30%。
成功场景与趋势
成功部署的场景主要集中在客服、知识库的 Agentic RAG 模式、Coding 模块等 Workflow 方面。国内外趋势有别，国外选择更多，在 ChatGPT 初始阶段，国内企业多是自建模式，国外企业多是购买模式。但今年 1 月 DeepSeek 崛起后，国内企业生成式 AI 部署成功率大幅提升，已接近全球化水平。目前生成式 AI 处于期望膨胀期，国内 Agent 正处顶峰，之后可能进入低谷期，再逐渐复苏，最终达到成熟期。
技术瓶颈与建议
现在 AI Agent 存在诸多瓶颈和技术局限性，比如可靠性差，依赖的大语言模型可能导致错误累积；成本高，如果不计成本使用 token 实现任务，对企业不合适；并非适用于所有场景。孙鑫建议企业探索 AI Agent 时要谨慎，可从复杂度、收益、现有技术可行性、出错率四个维度判断是否适合用 Agent 实现。写代码就比较适合做成 Agent。
定义标准
Gartner 对 AI Agent 的定义是：自主或半自主的软件实体，利用人工智能技术感知、决策、行动，实现企业或个人业务目标。关键词包括自主或半自主、软件实体、使用 AI 技术、做出决策、采取行动。目前国内符合该定义的软件实体较少，企业可关注构建符合自身需要的 Agent。
切入方式与关系
DeepSeek 等开源模型拉平了企业差距，企业要考虑让自身数据与大模型协同，构筑护城河。对于想涉猎 AI Agent 领域的企业，建议先借鉴先行者“先购买再自建”的方式，或两条路并行。在大模型时代，Agent 与 SaaS、企业软件关系复杂，未来争夺焦点在 AI 重力上，SaaS 厂商会投入模型建设，从数据重力、平台重力向 AI 重力转移。
衡量指标与路线图
衡量 AI 投入的 ROI 可从效率、质量、财务和安全四个维度考虑。构建 Agent 能力有“三步走”路线图：先做能力试点，成功后尝试拓展；进行能力拓展，构建更多 Prosumer 和应用；实现生态整合，融入大业态创造新业务增收点。
