AI智能体终将吞噬企业软件,但绝非一蹴而就.

我爱免费

作者：微信文章



AI代理将主导软件，但目前复杂任务需确定性逻辑。AI在企业软件中作用渐增，未来将更核心。结合确定性自动化与AI代理是关键。

译自：AI Agents Will Eat Enterprise Software, Just Not in One Bite[1]

作者：Peter White

互联网上充斥着关于我们所熟知的软件将走向终结的宣告。罪魁祸首？当然是人工智能。

许多人声称软件已是奄奄一息，一小队配备人工智能的工程师[2]构建人工智能代理将完全取代传统的企业软件解决方案。虽然这个论断方向正确，但它忽视了软件在企业中的使用现实、人工智能用于软件开发[3]的当前状态以及现有AI方法的局限性。

鉴于人工智能的广泛能力和对各种场景的适应性，它最终将成为几乎所有软件产品[4]中的主导组件。然而，要达到这一点需要显著的进步。原因如下。
人工智能代理在当今的优势

人工智能代理已经能够有效地独立完成许多简单任务，并能与人类协作以实现更复杂的结果。然而，如果没有广泛的确定性逻辑支架（它使用结构化规则和工作流来指导决策和限制AI行为，确保可靠性和一致性）的支持，它们无法可靠地执行复杂的端到端流程[5]。

随着模型改进、新训练方法和更成熟架构的优势，这种情况将随着时间而改变。届时，人工智能代理将在执行高度复杂流程中扮演主导角色。



[6]
如今，人工智能代理在与研究相关的助理型任务方面表现出色。例如，人工智能代理作为主要的编排引擎，协调搜索、数据检索、分析和组合等任务，以输出报告（类似于“深度研究[7]”）。在这种情况下，我们容忍错误，因为输出旨在供人工审查[8]和判断，然后才能采取任何有意义的行动。

人工智能代理还可以作为更通用的助理界面，与人类协作完成多个相互关联的任务，例如从系统中检索数据、分析信息和执行特定操作。同样，人类仍然参与其中，指导过程并审查信息，因为人类和人工智能代理共同努力实现最终目标。

在其他情况下，只要任务定义明确且完成任务所需的行动有限，人工智能代理就可以完全自主地完成任务。例如，一个发票录入AI代理可以根据发票数据检索结构化的供应商信息，验证该信息，然后确定可能的下一步行动，例如路由支付或升级审查。
复杂性凸显了人工智能目前对确定性逻辑的需求

由于人工智能目前的局限性，在一个流程中依赖一个具有过多自由度（独立决策或步骤）的AI代理会导致不可靠的结果。这就是为什么更复杂的应用程序需要上述逻辑支架来指导AI代理，使其具有明确定义的目标和正确完成任务所需的上下文。

原因如下：如果没有100%的准确性，多任务的复杂性会大大降低成功的几率。从统计学上看，即使代理采取的每一步都达到98%的准确率，当需要20个步骤时，总成功率也会下降到70%以下。

许多实际的企业人工智能应用程序主要设计为确定性逻辑，并添加人工智能以增强应用程序的特定领域。在您知道需要完成什么任务的地方使用确定性逻辑[9]，在需要对明确范围的任务进行适应性处理的地方添加AI代理。对于企业而言，这意味着将AI代理与编排和自动化集成到单个系统中，以避免昂贵的错误并确保关键业务流程的可靠性。
人工智能在企业软件中不断演变的角色

那么，我们今天处于什么位置？对于商业应用程序而言，人工智能代理的能力有限。然而，模型正在迅速改进，并且正在开发新系统以解决人工智能在完成复杂任务方面的不足[10]。

像流程推理引擎这样的技术，通过向模型注入广泛的企业工作流知识，从每个组织添加客户上下文，并不断从每次代理[11]执行中学习，已经在企业流程领域推动了这一前沿。这使得客户的AI代理能够以更高的可靠性自主完成更复杂的任务，尽管端到端流程仍需要大量的确定性编排来成功推动整体流程[12]。
代理未来的展望

人工智能代理吸收软件中嵌入逻辑的速度和程度是当今技术领域最引人注目的问题之一。我们已经看到关于由大型语言模型驱动的操作系统雄心勃勃的愿景，其中人工智能作为所有交互的主要界面，通过自然语言执行。鉴于创新的速度和行业的高度关注，这是一个不容忽视的未来。

在企业界，人工智能代理是否会在几年内完全演变为复杂的编排引擎还有待观察。但有一点很明确：企业现在必须开始为人工智能代理扮演越来越核心角色的未来奠定基础。学会将确定性自动化与适应性人工智能代理相结合的领导者，将在两者平衡转变的过程中处于最佳的繁荣地位。

无论您如何调整策略，人工智能都将重塑软件格局，这段旅程绝不会乏味！
引用链接

[1] AI Agents Will Eat Enterprise Software, Just Not in One Bite:https://thenewstack.io/ai-agents-will-eat-enterprise-software-just-not-in-one-bite/
[2]配备人工智能的工程师:https://www.forbes.com/sites/quickerbettertech/2025/01/26/business-tech-news-zuckerberg-says-ai-will-replace-mid-level-engineers-soon/
[3]人工智能用于软件开发:https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
[4]几乎所有软件产品:https://thenewstack.io/the-risks-of-decomposing-software-components/
[5]复杂的端到端流程:https://thenewstack.io/meet-cadence-workflow-engine-for-taming-complex-processes/
[6]:https://cdn.thenewstack.io/media/2025/10/485b03d1-image1-1024x495.png
[7]深度研究:https://openai.com/index/introducing-deep-research/
[8]错误，因为输出旨在供人工审查:https://thenewstack.io/the-need-to-decouple-human-error-from-incident-response/
[9]确定性逻辑:https://thenewstack.io/what-developers-need-to-know-about-business-logic-attacks/
[10]开发新系统以解决人工智能在完成复杂任务方面的不足:https://thenewstack.io/is-ai-the-antidote-to-software-development-complexity/
[11]从每次代理:https://thenewstack.io/beyond-dx-developers-must-now-learn-agent-experience-ax/
[12]成功推动整体流程:https://thenewstack.io/four-best-practices-to-drive-successful-adoption-of-ci-cd/