从自动化迈向自主化：AI智能体的能力与复杂性

核心观点与关键数据

• Agentic AI 应用现状：近四分之一（23%）的组织已将 agentic AI 和 multi-agent AI 整合到核心运营中，另有 27% 计划在六个月内完成。大多数 AI 代理在明确的责任范围内运行，平衡自主性与监督。
• AI 代理复杂性偏好：目前，半自主 AI 代理是最受欢迎的选择（38%），但近五分之一（20%）的组织已实施或计划部署完全自主的代理，且大部分（80%）预期在一年内实现。
• AI 成熟度与 agentic AI 准备度：AI 成熟度高的组织（阶段 4 和 5）更倾向于早期整合 agentic AI，而成熟度低的组织则相对保守。阶段 4 组织中有 70% 已集成或计划在六个月内集成，阶段 5 组织中 83% 已实施或计划在六个月内实施。
• 行业特定准备度：A&D、FS、M&D 和 E&U 行业更支持半自主代理；TMT 行业支持完全自动化；政府、医疗保健和零售行业更倾向于 context-aware 代理。
• 领导层视角：C 级和董事会成员对 AI 代理的支持度（37% 半自主，31% 完全自主）高于其他层级的管理人员（仅 16% 期待完全自主）。

AI 代理决策能力预期

• 增强实时洞察：几乎所有行业都认为 agentic AI 将改善实时数据分析和洞察生成，尤其在医疗保健和科技行业。
• 自动化常规任务：77% 的成熟度最高组织（阶段 5）期望 AI 承担重复性决策任务，而政府和 M&D 行业因监管和运营因素而较低。
• 业务功能转型：IT、客户服务、运营和营销/销售是主要目标领域，因其在自动化、数据处理和客户互动方面具有基础性。

整合规划与自主性差距

• 整合策略：最常见的开发方法包括扩展现有企业技术环境（46%）、利用现有平台（46%）和与外部供应商合作（45%）。
• 自主性现实：多数组织仍处于阶段 2 至 3（早期至中期成熟度），缺乏治理、基础设施和伦理方面的准备，与自主性目标存在差距。
• 提升准备度的建议：
  1. 将自主性目标与业务战略对齐。
  2. 投资可扩展的基础设施和技术。
  3. 提升和赋能人才。
  4. 基于成熟度水平确定准备度。
  5. 制定道德和负责任的 AI 协议。
  6. 优先考虑韧性而非能力。

研究结论

组织在 agentic AI 方面雄心勃勃，但多数仍需完善治理、基础设施、技能和伦理框架。AI 成熟度是关键驱动力，成熟度高的组织更倾向于完全自主代理。虽然对自主性的渴望强烈，但许多组织尚未准备好，需采取平衡策略，优先考虑半自主系统，并逐步提升整体准备度。