企业AI自主性新挑战：构建与购买的平衡点

快速阅读: PYMNTS Intelligence报告显示，代理型AI解决方案在企业中广泛应用，关注成本、控制、速度及自主性。71%企业选择内部构建，43%购买现成产品，均未授予实质性自主权。

答案从未简单，而人工智能（AI）为这一问题增添了全新的视角。特别是代理型AI解决方案的出现，这是一种新型的AI系统，能够在工作流程中进行推理，发起任务并串联行动，无需持续的人工监督。

PYMNTS Intelligence 在2025年9月的《PYMNTS数据手册》系列中发现，当涉及购买、构建或合作开发代理型AI解决方案时，首席信息官（CIO）和首席财务官（CFO）不仅考虑成本、控制和速度，还关注一个新的维度：自主性。机器在企业内部应该拥有多少自主权？企业自身又应该掌握多少这种自主权？

事实上，报告指出，一半具有“高影响力”的通用AI公司，即那些拥有重要通用AI应用并带来显著商业价值和风险的公司，正在使用或寻求代理技术。

自主性的新前沿

代理型AI的到来正逐渐揭示出企业在风险承受能力、技术债务和供应商策略上的分歧，推动公司走向一种细腻的“自建与购买”混合模式，这既体现了这项新技术的潜力，也揭示了其潜在的风险。

PYMNTS数据显示，71%的积极采用代理型AI的企业选择内部构建，而43%选择购买现成产品。最值得注意的是，没有受访企业给予代理“实质性或完全自主”，尽管43%允许在人类审批下有“适度”的系统访问权限。

每一轮重大的技术周期都始于过度承诺。早期的企业AI承诺取代整个部门；机器人流程自动化（RPA）声称将终结手动工作。这一模式不断重复：愿景超越了可靠性。然而，在代理型AI方面，这一教训终于被吸取。企业现在专注于具体、可衡量的应用案例，而不是追求宏大的目标。

AI能够串联的动作越多，就越可能无意中引发连锁反应。因此，大多数企业有意将代理系统首先部署在“低至中等风险”的功能上：规划、报告、数据整合或内部知识管理。

这种关注不仅是为了降低风险，也是为了实现整合。代理系统的有效性取决于其所处的生态系统。为了跨工作流程进行推理，它们必须能够访问干净的数据、可靠的API和一致的治理结构。很少有企业能在所有职能领域提供这种级别的连贯性，因此他们从已经具备强大连接性的领域开始。

阅读报告：

企业中的AI代理

这一策略呼应了早期云迁移的剧本：从低风险工作负载开始，证明投资回报率，然后扩展。但与云采用不同的是，基础设施可以商品化，代理型AI迫使组织重新思考工作流程的架构。这不仅仅是迁移应用程序的问题，更是重新定义人类、机器和决策之间关系的问题。

在这种背景下，“构建”并不总是意味着从头编码。相反，它涉及到组装和编排模块化组件——基础模型、特定领域的数据集、工作流API——形成定制的代理架构。重点在于塑造行为、约束和集成点，以符合公司的风险偏好和监管环境。

尽管如此，很少有企业有能力或应该尝试全面的垂直整合。维护安全、可靠且最新的AI堆栈的复杂性巨大。这就是为什么即使是工程最为中心化的公司也在“购买”基础工具：编排平台、向量数据库、代理框架和监控仪表板。

供应商对此做出了回应，推出了大量的“代理即服务”产品——这些工具让公司可以在不重新发明基础设施轮子的情况下部署半自主系统。这些平台通常提供护栏、治理模板和人在回路功能，使组织能够安全地进行实验。

混合构建和购买的财务论据也基于灵活性。构建核心能力保留了未来模型经济或供应商格局变化的灵活性。购买互补组件减少了机会成本并加速了实验进程。

(以上内容均由Ai生成)