企业接收AI Agent需注目：幸免不切本体的盼望，优先处理粗浅的用例，保证数据质地，青睐治理与安全。与生成式AI比较，Agent的影响更大，需制定完善的战略。

译自：4 Reasons Agentic AI Is Failing作家：Derek Ashmore

企业接收 AI Agent 有许多原理，举例不错进步坐蓐力并减少职工的乏味感。

AI Agent 的履行也存在许多失败的可能 —— 跟着越来越多的组织转向接收 Agentic AI，灵巧的组织会积极念念考若何逾越于可能导致 Agentic 名堂出错的陷坑。

看成又名依然为里面使用和代表企业客户部署了多个 AI Agent 的东谈主，我依然学会了一些对于若何幸免 AI Agent 履行失败的教学。请接续阅读，了解我对失败的主要原因的见解，以及缓解这些原因的手段。

什么是 AI Agent，企业若何使用它们？

AI Agent 是一种自主软件系统，不错感知其环境、作念出决策并接收行径。

通过创建与特定用例相符的自界说 Agent，组织不错部分或实足自动化复杂的任务，而这些任务以前需要职工手动完成。

Agentic AI 本领相对较新，坐蓐就绪的 Agentic AI 本领和框架（举例 模子险峻文条约，或 MCP）在畴昔一年阁下才初始可用。尽管如斯，AI Agent 依然在交易环境中取得了无为的运用：证据 IDC 2025 年夏令的商榷，罢休那时，34.1% 的企业 依然初始接收 Agentic AI。

接收 Agentic AI 失败的主要原因

但不异，初始履行 AI Agent 是一趟事。得胜完成名堂是另一趟事。以下是 Agentic AI 履行可能失败的主要原因。

1. 不切本体的盼望

AI Agent 是一种强劲的处治决策，大要自动化任务和责任经由，不然这些任务和责任经由需要手动完成。但它们不成变魔术。它们可能无法完成高度复杂的任务，或者那些需要东谈主类材干提供的险峻文感知类型（如对东谈主类情怀的解析）的任务。

这并不是说 AI Agent 在这些情况下莫得匡助。它们可能仍然有用，但前提是它们与东谈主类通盘责任，而不是代替东谈主类。换句话说，经常需要保握“东谈主机回路”，AI Agent 材干杀青其盘算。

经常情况下，Agent 也难以在伊始就擅长其预期的任务。经常，它们必须经过迭代建树过程材干 大要闲静盼望，这意味着它们可能无法像高管但愿或盼望的那样快速地委派业务价值。

未能解析这些适度，或者对 AI Agent 的才略设定不切本体的盼望，是履行未能实足杀青其盘算的一个常谅解因。

2. 倒霉的用例优先级排序

鉴于 AI Agent 的庞杂后劲，组织很容易尝试建树自界说 Agent，旨在处理统共可能的用例或责任经由。

对于大大量公司来说，这是一个乖谬，因为它使他们处于承担超出我方才略限制的位置。淌若您的组织是 AI Agent 的履行和管制的生手，它应该节约单的用例初始，这些用例中的任务界阐明确且恶果易于策动（举例部署软件运用身手或将数据写入数据库，仅举几个例子）。

唯有在这些任务中取得得胜后，组织材干转向更复杂的用例。尝试从一初始就处理波及多个变量或系统的复杂任务不会让您走上得胜的谈路。

3. 数据质地问题

陈旧的“垃圾进，垃圾出”的说法适用于许多类型的 IT 系统。但它与 AI Agent 尤其干系，淌若它们无法拜访正确类型的数据，或者它们使用的数据质地较低，它们将难以有用地运行。

这等于为什么确保 AI Agent 大要拜访 它们杀青预期任务所需的数据至关抨击。（虽然，它们不应大要拜访与其预期用例无关的资源，因为这会产生安全风险。）经常，这不仅包括易于管制的资源，举例结构化数据库，还包括解放情状的非结构化数据，举例文档采集。

不异抨击的是在将数据泄露给 Agent 之前计帐数据，以幸免缺失、不齐备、落后或蜕化的信息 —— 举例，一个 开首的客户信息与 另一个开首的数据打破的情况。淌若莫得准确和一致的数据，Agent 更容易作念出乖谬的决策，因为它们无法有用地阐明其环境。

4. 治理挑战

通过记载和审计 Agent 的 步履来追踪 Agent 正在作念什么的才略对于治理和安全性至关抨击。这种可见性还在 Agent 的建树中起着抨击作用 和增强，因为日记记载和审计追踪对于识别乖谬（举例未必修改敏锐数据）并通过履行新的预防顺次来转换它们是必要的。

不舒坦的是，当今大大量 Agentic AI 框架提供的用于处治这些挑战的内置功能有限。然而，通过裕如的建树责任，不错履行自界说治解析决决策来相沿 Agentic AI 的得胜接收。这比接收现成的处治决策并称其为一天的结束要付出更多的费力，但对于均衡 AI Agent 的强劲功能与潜在的治理风险是必要的。

一种坐蓐就绪的 Agentic AI 接收方法

淌若我上头建议的挑战听起来很闇练欧洲杯体育，那可能是因为许多交流的问题在生成式 AI 接收过程中也存在。也等于说，AI Agent 使其中的一些挑战加倍，因为与生成式 AI 系统不同，Agent 不单是是创建内容。它们不错接收落寞行径，径直影响 IT 系统的性能和可靠性，这等于为什么在制定 Agentic AI 接收和履行战略时，从一初始就作念善事情如斯抨击的原因。