共计 1271 个字符，预计需要花费 4 分钟才能阅读完成。
最近的一项调查显示，尽管 AI 代理的概念听起来很吸引人，但大多数公司似乎还没完全准备好迎接这一技术浪潮。很多高管和专业人士都表示，他们计划对现有的技术栈进行大规模改革，以适应 AI 代理的需求，但数据集成的复杂性可能会成为一大障碍。
AI 代理，简单来说，就是那些能够自主决策并执行任务的智能助手。它们可以充当数字同事、助手，甚至客户服务代表，通过自然语言处理与人类互动。听起来很酷，对吧？但现实是，很多公司还没完全准备好。
根据 Tray.ai 的一项调查，超过一半的公司每年为 AI 代理预算 50 万美元或更多，但问题在于，大多数公司缺乏有效部署这些代理所需的技术基础设施。调查显示，42% 的受访者预计在未来一年内将构建或原型化超过 100 个 AI 代理，36% 的受访者预计将有超过 100 个 AI 代理投入生产。看起来大家对 AI 代理的热情很高，但技术栈的准备情况却不容乐观。
调查还发现，86% 以上的专业人士认为，他们需要升级现有技术栈以迎接 AI 代理的到来。特别是数据集成问题，42% 的受访者表示，他们的企业需要访问八个或更多的数据源才能成功部署 AI 代理。这意味着，很多公司现有的数据管理系统可能无法满足 AI 代理的需求。
Tray.ai 的首席执行官 Rich Waldron 在接受 ZDNET 采访时表示：“尽管大家对 AI 代理充满期待，但很多企业目前还缺少开发和安全部署这些代理所需的基本构建模块。”他指出，许多企业依赖于现成的 SaaS 应用程序，这导致了数据碎片化和集成挑战，使得 CIO 们不得不花费更多时间管理复杂性，而不是推动创新。
Accenture 的首席 AI 官 Lan Guan 也认为，企业需要更多的准备来应对自主 AI 代理。他强调，一个强大的企业平台架构是确保 AI 代理顺利运行的关键，包括技术基础设施、网络能力、安全措施以及系统扩展能力。
Excella 的副总裁 Taylor Bird 也表示，大多数企业对真正的自主 AI 代理准备不足。他指出，尽管企业在传统 AI 系统的实施上取得了进展，但自主 AI 代理带来了新的挑战，需要新的基础设施、治理和技能开发方法。
Bird 还提到，基础设施的准备是至关重要的：“组织需要一个强大的 API 生态系统，使 AI 代理能够安全地与其软件系统互动。那些在系统之间存在孤岛的公司将无法充分利用自主代理的能力。”
此外，薄弱的安全和控制框架也可能阻碍 AI 代理的开发和部署。Bird 认为，代理将为公司软件带来更多的分支路径，传统的监控和安全机制可能无法覆盖这些复杂场景。
MinIO 的 AI/ML 主题专家 Keith Pijanowski 则强调，AI 代理的成功与否很大程度上取决于模型。“如果企业想要构建有效的代理，他们需要有效的模型，”他说。“模型越好，代理的表现就越好。”
Pijanowski 还指出，随着 AI 代理的普及，模型将变得更加专业化。未来可能会有更多的“小而精”的模型，专注于解决特定问题。
总的来说，AI 代理的崛起无疑是一个令人兴奋的趋势，但也带来了诸多挑战。企业需要升级技术栈、解决数据集成问题、加强安全措施，并培养相关技能。只有这样，才能真正迎接自主 AI 代理的到来。
