AI代理企业部署：从概念到实践的挑战

展示AI Agent，一切看似毫不费力。但真正的挑战在于演示之后，当AI代理、工作流程、遗留系统和评估开始发挥作用时。

为何现在如此重要

智能助理无处不在。演示视频在各大媒体上屡见不鲜。供应商承诺带来“自动驾驶”，让你在享受咖啡的同时管理整个部门。不得不说，这些原型确实令人印象深刻。

但如果你曾尝试从幻灯片到实际生产的过渡，就会明白：人工智能并非最难的部分。模型在迅速改进，调用API也非难事。真正的难点源自更古老、更复杂且深刻的人性问题。

当企业在代理上遇到阻碍时，他们会面临以下困境：

无处不在的AI Agent（这不该是AI的事）。

定义什么应自动化（工作流程清晰）。

与现有系统（遗留系统和API）集成。

证明其可靠运行（评估和监控）。

让我们逐一分析这些挑战。

真正的难点是什么

架构、框架、内存、多模态和实时性都至关重要。这些都是工程问题，与三大难题相比，都可以解决。

混乱源于人员、流程和老旧基础设施的协调。这正是企业项目成败的关键。

障碍#1—无处不在的Agent（不该做的事）

首先，需要明确一点：你无需到处使用Agentic系统。事实上，许多企业问题可以通过更简单、更稳固的方法解决：

经典代码——如果流程重复且定义明确，脚本或服务将比代理更高效、更经济、更可靠。

传统机器学习——当任务涉及结构化数据的预测时，回归或分类器通常优于推理循环。

图形界面和工作流引擎——有时真正需要的是清晰度和可用性；在UI中映射流程可以解决的不仅仅是增加自主性。

简单的LLM调用——在很多情况下，几个精心设计的API调用即可提供所需的所有“智能”，而无需编排开销。

代理最适合处理那些复杂、多步骤、动态的工作流程，因为灵活性至关重要。对于其他所有情况，选择合适的工具完成任务可以避免额外的成本、脆弱性和集成难题。

障碍#2——工作流程定义（内容）

事实是：企业很少有清晰的工作流程。

流程存在于人们的头脑中。异常会不断累积。合规性会增加隐藏的步骤。当你问“客服人员到底应该处理什么？”时，已经陷入无尽的会议、过时的规范以及“哦，但对于客户X，我们的做法不同”之类的旁白中。

这就是为什么工作流程现代化是首要的：

与企业合作，绘制工作流程图，详细说明每个行动、执行者及手动程度。

阐明什么可以实现自动化、如何实现自动化，并非所有事物都需要Agentic，什么仍保持人性化以及它们如何相互关联。

记录混乱的现实，展示工作流程并进行验证。

障碍#3—与现有系统的集成（方法）

...（内容同原文）