雖然供應商表示，他們目前基于代理的人工智能產品很容易實現，但分析師表示，事實遠非如此。

軟件供應商的宣傳也在不斷發展，在他們的營銷信息中，人工智能開始取代生成式人工智能。他們說，人工智能不僅僅是為人類審查生成代碼或內容，它將遵循指令，做出決定，并采取行動，就像人類工作者一樣，無需人類干預。

人工智能不僅僅是一個更智能的RPA

人工智能不僅僅是機器人流程自動化(RPA)的更好版本：它有望將企業帶到RPA永遠無法做到的地方。

提供人工智能軟件初創公司DoozerAI的聯合創始人Paul Chada說，“可以把RPA想象成軌道上的火車，它只能在有軌道的地方行駛。人工智能更像是一輛自動駕駛汽車，它可以自適應地導航不同的路線和情況。”

Nucleus Research高級分析師Cameron Marsh表示，使人工智能具有自主性或能夠獨立采取行動的是它解釋數據、預測結果、做出決策、從新數據中學習的能力，而傳統的人工智能在遇到意外數據時則會猶豫不決。

根據Chada的說法，人工智能的這種適應性可以幫助企業通過處理傳統RPA無法管理的復雜、可變任務來提高效率，例如理賠員、信貸員或案件工作者的角色，前提是它可以訪問完成任務所需的必要數據、工作流程和工具。

軟件供應商已經在兜售能夠訪問這些資源的人工智能代理產品，包括Salesforce的Agentforce、微軟基于Copilot的自主代理、ServiceNow的人工智能代理、谷歌的VertexAI代理生成器、亞馬遜的Bedrock代理和IBM的watsonx代理生成器，還有更多的軟件可能會緊隨其后。

那么，首席信息官們是時候投資這項技術了，還是等一等呢?

早期更好的代理

人工智能承諾在沒有人為干預的情況下實現自動化，也就是說，供應商建議，很容易實現——但行業分析師和其他專家認為，對于目前新興的人工智能技術來說，這遠非事實。

Gartner公司分析師Tom Coshow在今年10月初發表的一篇博客文章中寫道：“目前基于LLM的助理和成熟的人工智能代理之間存在巨大差距。”他指出，要縮小這一差距，企業必須學會建立、管理和信任它們。

Coshow預測，即使到2028年，人工智能也只會在三分之一的企業應用中使用，這使得15%的日常工作決策可以自主做出成為可能。

DevConsult Canada公司首席顧問Martin Bechard表示，“人工智能還處于早期應用階段，最初的產品還存在缺陷。”

企業軟件初創公司投資者TolaCapital的GregCeccarelli表示，衡量人工智能何時能夠得到更廣泛的應用，也是一個令人擔憂的問題。他說，“目前行業中最大的障礙之一是缺乏特定于工作流程的基準”來比較代理和人類在任務上的表現，而目前存在的少數基準，比如OSWorld，本質上是非常學術性的。“在這個話題上，整個行業目前仍處于起步階段。”

采用并不容易

雖然供應商將他們的代理人工智能工具描述為易于采用，但這并不像用代理取代工作流中的人類決策者那么簡單。

研究公司theFuturum集團首席信息官實踐副總裁Dion Hinchcliffe表示，從最簡單的層面上講，在為人工智能做好準備之前，已經設計用于與人類合作的RPA工作流很可能需要進行重大的重新設計。他說，利用人工智能處理非結構化數據、管理場景決策和動態交互的能力，通常不像更新現有腳本或工作流程那么簡單。

Moor Insightsand Strategy公司首席分析師Jason Andersen表示，必要的工程工作可能包括評估，然后向代理平臺公開正確的服務、aPI、數據和控制，以確保代理具有完成給定任務的環境和工具。

對于IT咨詢公司Eden Digital的創始人Anil Clifford來說，企業需要將他們的整體方法轉向自動化，因為人工智能的概率性質與傳統的、確定性的自動化有著根本的不同。

艱苦的工作使工作更容易

一些平臺供應商已經提供低代碼和無代碼的代理開發和管理平臺，但分析人士表示，這些平臺的功能僅限于構建簡單的代理或修改供應商自己構建的代理模板。

Hinchcliffe說：“創建更復雜的代理，特別是那些需要定制集成和細致決策能力的代理，仍然需要對數據流、機器學習模型調優和API集成有一定的技術理解。”他補充說，這些平臺上有一個學習曲線，遷移過程可能是資源密集型的。

Marsh表示，多數關于人工智能實驗的企業都表示，學習曲線比供應商聲稱的要陡峭，特別是在大規模實施人工智能所需的定制深度方面。

Moor’sAndersen給出了一個具體的例子：雖然無代碼平臺提供了集成工具，比如與其他應用程序一起工作的連接器，但經驗豐富的開發人員或企業架構師必須首先建立一個完整的后端工作流，然后才能創建代理來完成這樣一個應用程序的復雜任務。

仍然在運行遺留應用程序的企業(對于這些應用程序，連接器可能不可用或在功能上受到限制)還有其他問題。

谷歌的云客戶工程師ShrutiDhumak表示。“這些系統通常存在集成挑戰，使得對現有技術棧進行重大更改變得困難。這就像試圖把一臺全新的超級智能計算機裝進一個仍然在舊軟件上運行的舊工廠。”他補充說，誕生于云的初創公司或公司可能會發現采用人工智能更容易。

如果不是現在，那是什么時候?

DevConsult的Bechard認為，在現階段，對人工智能的投資是對該技術潛力的押注，而不是一種投資。但隨著人工智能變得更有能力，這種可能性可能會發生變化。他說：“決策者必須通過試驗來學習或建立灘頭陣地，如果技術繼續進步，灘頭陣地就會成為戰略優勢。”

SanjMo公司首席分析師Sanjeev Mohan建議，首席信息官們應該拭目以待。他認為，如果現有的RPA正在發揮作用，就沒有必要在人工智能上花錢，并建議在決定實施人工智能之前，先了解用例的價值。

其他分析師表示，分層或分階段采用該技術可能是最好的前進道路。

EdenDigital的Clifford建議使用人工智能作為RPA的補充，而不是替代。他說：“這種方法可以讓企業在結構化、重復性任務中保持對RPA的投資，同時逐步引入人工智能代理來處理更復雜、依賴于場景的過程。”

Hinchcliffe也建議仔細權衡成本-金錢和時間-與企業敏捷性，可擴展性和運營效率的好處，并在等式中添加另一個變量：RPA供應商可能自己提供代理人工智能功能-UiPath已經朝這個方向發展-這可能為企業提供一個更安全，更快速的替代方案來實現代理人工智能。