2026年,Agentic AI(自主型AI)能否跨越“信任鸿沟”?CIO的生存指南
作者：微信文章导语：
经历了一整年的炒作、实验和无数次失败后，AI 智能体（AI Agents）正站在一个关键的十字路口。Gartner 预测 40% 的项目将在 2027 年前夭折，而普华永道却发现近八成企业已在大规模试水。
2026 年，Agentic AI 究竟是会迎来爆发，还是陷入沉寂？答案取决于 CIO 们能否解决最核心的痛点：信任、数据与流程。
一、 迷雾重重：幻觉与现实的差距
目前，企业对 AI 智能体的期望往往过高。
误区：许多组织错误地将 LLM（大语言模型）视为“推理机器”，指望它们能像人类一样自主解决复杂问题。
真相：Pega 的 CTO Don Schuerman 一针见血地指出，LLM 本质上只是“文本预测机器”。
后果：当企业试图将这些“概率性”的工具应用于需要高度确定性、一致性和可审计性的业务流程时，灾难便发生了。幻觉（Hallucination）问题使得 AI 智能体在短期内难以完全接管关键任务。
二、 破局之道：CIO必须回归的三大原点
要在 2026 年取得突破，CIO 们不能再依赖“全面撒网”式的随机部署，而必须回归 IT 部署的本质：
2.1重新定义工作流（Workflow Redesign）
不要试图自动化一个糟糕的流程。Asana 的 CIO Saket Srivastava 强调，如果流程本身存在缺陷，加 AI 只会放大错误。正确的做法是：先用 AI 重新设计流程，再让智能体接管。
策略：在设计阶段就将“推理”能力植入智能体的任务链中，确保其在既定轨道上运行。
2.2结果导向（Outcome-Focused）
IBM 的 CIO Matt Lyteson 建议，与其先考虑“用什么技术”，不如先明确“要达成什么结果”。
实践：IBM 已成功部署数千个智能体用于处理低级 IT 支持请求。成功的关键在于明确界定智能体的权限和预期产出，而不是让它们自由发挥。
2.3 全生命周期管理（Lifecycle Management）
随着员工创建的智能体数量激增，未来企业的智能体数量可能超过员工数。CIO 必须建立一套完整的生命周期管理机制：
监控：谁在使用？效果如何？
退役：及时清理无效或过时的智能体。
治理：建立基于数据和上下文的信任机制，解决安全与合规隐患。
三、 未来展望：从“自主”到“协作”
Salesforce 的 CIO Dan Shmitt 预测，2026 年我们不太可能看到全自动系统在企业中普及。相反，“人机协作”（Collaborative Systems）将成为主流。智能体将作为副驾驶（Co-pilot），在员工的监督下处理日常任务，增强决策能力。
结语：
2026 年将是区分“赢家”与“输家”的一年。赢家不是那些拥有最多智能体的企业，而是那些能冷静地将智能体整合进核心业务流程、并建立起坚实数据治理底座的实干家。
原文：AI自主智能体（Agentic AI）将在 2026 年取得进展——前提是 CIO们能走对路
CIO 在应用 AI 智能体（AI Agents）时仍面临诸多障碍，包括信任缺失以及对结果的关注不足。尽管如此，专家们依然看好AI自主智能体（Agentic AI）在企业级市场的发展前景。
图片来源：bennphoto/shutterstock.com
过去一年，关于 AI 智能体的炒作铺天盖地，伴随着大量的实验和频发的失败。一些 AI 专家认为，2026 年该领域的改进将十分有限。
例如，研究机构 Gartner 预测，由于成本不断攀升、商业价值模糊不清或风险控制不足，到 2027 年，将有 40% 的AI自主智能体项目被取消。
与此同时，关于企业实际成功部署智能体的数据也存在相互矛盾的说法。普华永道（PwC）5 月份的一项调查显示，79% 的受访企业已在某种程度上采用了智能体。然而，企业搜索供应商 Lucidworks（曾开发一款智能体用于评估电商网站的 AI 能力）发现，在它分析的 1100 个网站中，仅有 6% 部署了不止一个自主智能体解决方案。
AI 决策与工作流自动化供应商 Pega 的首席技术官（CTO）Don Schuerman 表示，虽然今年智能体的部署量会有所增长，但该技术可能尚未真正进入主流，部分原因是驱动智能体的大语言模型（LLM）仍存在“幻觉”问题。
“2026 年将是区分成功路径与失败路径的分水岭，”他说，“我不确定今年是否能看到智能体全面接管一切——这可能是一个比人们预期更长期的转型过程。”
一、前景不明朗
Schuerman 指出，许多组织在应用AI自主智能体时面临的一大挑战是：他们部署 LLM 时，错误地期望这些模型能像人类一样对问题进行“推理”，从而导致对结果的期望过高。“LLM 不是推理机器，它们本质上只是文本预测机器，”他补充道。
Schuerman 观察到，许多组织将智能体设计用于处理可预测的工作流。在这些场景中，智能体不需要推理，只需接管常规任务即可为员工节省时间。然而，他认为，要真正通过AI自主智能体取得成功，需要在设计阶段就将推理能力构建到智能体的任务中。
“必须将智能体的行为深深植根于这些业务流程和工作流之中。因为企业的大多数操作都希望以相当确定的工作流运行，包含一系列规定的步骤，并且要求每次都能以一致的方式执行，具备高度的可预测性、一致性和可审计性，”他解释道。
Schuerman 认为，早期推广造成的误导，扭曲了人们对智能体使用方式的预期。相反，AI 应当被用来帮助重新定义那些将被智能体接管的业务工作流。
“那种认为我们可以随意在业务中部署成千上万个智能体，然后放任不管的想法，是一个误区，”他说，“相反，我们要做的利用智能体来定义和设计业务中所需的许多工作流，并且以比以往更快、更完整的速度来完成这项工作。”
Salesforce 首席信息官（CIO）Dan Shmitt 也认为，2026 年AI自主智能体的前景仍面临诸多障碍。例如，许多组织在如何启动、扩展及定义成功方面仍缺乏清晰的路线图。他补充说，如果没有高质量的数据和统一的治理模型，智能体可能会产出不可靠的结果。
尽管如此，Shmitt 认为随着时间的推移，智能体的使用将变得更加广泛，哪怕不像某些 AI 专家预测的那样实现完全自主化。
“我们不太可能看到全自动系统在各组织中被普遍部署，”他说，“相反，组织将开始采用智能体作为协作系统，让它们在日常流程中与人类及其他智能体并肩工作，以增强员工的生产力和决策能力。”
为了实现这一目标，Pega 的 Schuerman 强调，CIO 在推广智能体时必须坚守 IT 部署的基本原则。
“我们越来越意识到，拥有像智能体这样的新技术，并不意味着你可以忽略那些重要的基础工作，比如理顺工作流、确数据准确、明确定义结果，”他说，“你必须理解它们是如何交付结果的。你必须确保智能体能够连接到数据。”
二、“天空才是极限”
IBM 首席信息官 Matt Lyteson 也预计 2026 年AI自主智能体将迎来更多成功的部署案例，特别是当 IT 领导者能够在推广时专注于“针对性结果”的话。他还指出，CIO 还需要关注数据安全与控制，并更好地理解智能体如何与其他 IT 系统进行交互。
“我们的重点是：如何将智能体扩展到越来越多的使用场景中，从而为组织带来价值？我如何真正理解预期的结果、我需要提供给智能体的数据，以及如何管理和控制它们？”他解释道，“如果组织能做到这些，我们将看到更广泛的采用和更大的成功。”
Lyteson 表示，部署智能体的一个障碍是将它们与现有系统和数据进行集成。另一个障碍则是在未充分定义目标结果的情况下就盲目部署。
“作为 IT 业务部门，我们习惯于先考虑流程，让流程去完成某件事，而不是先考虑结果和我希望智能体达成什么目标，”他说，“有些事情开始阻碍我们，这些是很棘手的领域。如果你没有以正确的方式思考透彻，真的会导致挫折。”
Lyteson 透露，IBM 已部署了数百个企业工作流 AI 智能体和数千个个人生产力智能体。例如，公司正在使用智能体来对 IT 支持工单进行分流，并处理低级别的支持请求。
Lyteson 建议 CIO 们对智能体的潜力保持开放态度，即使某些试点项目尚未取得良好效果。
“每一天、每一周，我们都在学习新东西，”他说，CIO们需要将这些经验应用于最大化组织价值，“我们需要持续保持好奇心，并将其转化为业务成果。如果我和我的 CIO 同行们能做到更多，那么天空才是极限。”
三、思考智能体的生命周期
与 Lyteson 类似，Asana 首席信息官 Saket Srivastava 也预计 2026 年 AI 智能体的部署将持续增长，尽管 CIO 面临诸多挑战。
其中的挑战之一是人类对使用智能体的抵触情绪。但 Srivastava 也认为，CIO 需要更好地掌控智能体的生命周期，包括追踪由员工自行创建的智能体，并决定何时淘汰无效的智能体。许多 CIO 很快将不得不面对一个“智能体数量多于员工”的工作环境，因此监控智能体的有效性将变得至关重要。
与此同时，可靠性和信任问题可能仍会限制近期内部署的智能体数量。
“信任源于结构，源于上下文、权限、决策过程的可见性以及工作流的推进方式，” Srivastava 补充道，“而且我们大家确实可能对 AI 的一切都有点过度兴奋，处于这种‘试点模式’中，在缺乏清晰认知的情况下尝试了一堆东西。我们有正确的数据吗？这是正确的流程吗？”
他补充说，在某些情况下，组织将 AI 智能体添加到了本就存在缺陷的工作流和流程中。
“在自动化的早期阶段，我们常说‘自动化一个糟糕的流程毫无意义’，” Srivastava 说，“你是否在更深入地审视你的流程？你是否在重新构想这些流程，然后再将 AI 应用于其中？这就是我对新的一年的展望。”
Srivastava 表示，虽然一些智能体试点项目可能为时过早，但 CIO 们仍需不断尝试，并在稳健的成果与创新之间取得平衡。
“也许‘百花齐放’并不是最佳策略，但要创造一个适合实验蓬勃发展的环境。同时，你要有更高的信心，相信 AI 已经准备好去解决这些问题，”他说，“确保你解决的是正确的问题，用的是正确的方式，你在衡量结果，然后再迈向下一个问题。”
页:
[1]