這兩種相關技術可以協同工作，但CIO應了解它們之間的區別，以防受供應商夸大宣傳和混淆概念的影響。
圖源：Rob Schultz / Shutterstock
agentic AI（代理型人工智能）仍處于起步階段，而各組織紛紛急于采用AI agents（智能體），似乎對這兩項技術之間的差異存在一些混淆。
許多人一直將“agentic AI”和“AI agents”這兩個術語交替使用，但專家表示，人們越來越認識到這是兩種雖相互關聯但又有所不同的工具。專家稱，CIO們應該了解這種差異，以確保為工作選擇合適的工具。
AI從業者開始這樣定義這兩種技術：agentic AI是組織IT系統中執行特定功能的工具，目標是產生可預測的結果。AI agents的工作范圍較窄，通常學習新信息的能力有限。
他們還表示，仍處于起步階段的agentic AI是一種綜合性技術，它可以利用智能體和其他人工智能工具創建完全自主的系統，這些系統能夠自行設定目標、隨著時間推移進行學習，并在不同任務之間進行推理。
移動安全供應商iVerify的機器學習主管Numa Dhamani（努瑪·達馬尼）表示，一些公司已開始部署agentic AI的早期原型，但一個真正的自主系統所需的長期持久內存和其他功能目前還無法實現。
“agentic AI能夠設定或重新確定目標優先級，它們能夠動態地對不同領域的任務進行推理。”她說道，“它們可以進行自我反思或改進循環，還開始就執行哪些任務以及如何對任務進行排序做出決策。”
軟件治理供應商ModelOp的首席技術官Jim Olsen（吉姆·奧爾森）表示，CIO們可以將智能體視為單個參與者或員工，而agentic AI則是一個更大的團隊。“團隊中的每個成員都為整體任務帶來特定的能力（工具）和專業知識（培訓），而agentic AI則是整個團隊共同協作解決問題，”他補充道。
電子郵件營銷平臺供應商Constant Contact的人工智能主管Louis Gutierrez（路易斯·古鐵雷斯）也用參與者和團隊的比喻來解釋。
“agentic AI更像是一個協調層——一個監督和協調多個智能體以實現更廣泛目標的系統，”他補充道，“如果AI智能體是單個參與者，那么agentic AI就是教練、團隊和戰術手冊協同工作。”
一、為何CIO們應關注？供應商的混淆策略
iVerify的Dhamani（達馬尼）表示，盡管這兩種人工智能技術之間的差異聽起來像是語義上的問題，但這種區分對CIO們來說很重要，因為目前這兩種技術都受到了大量炒作。在某些情況下，供應商所銷售的被他們稱為智能體或agentic AI的技術，實際上并非如此。
她說道：“你可能只是為那些包裝得像智能體的花哨聊天機器人支付了過高的費用。”
她還補充說，CIO應該警惕那些試圖向他們（提供）agentic AI的供應商，因為這項技術仍處于初級階段。在MCP（模型上下文協議）和其他智能體連接協議最近發布之后，AI開發人員開始朝著完全自主的agentic AI邁進，但他們尚未達到所需的共享記憶或工具協調能力。
Dhamani（達馬尼）還補充說，一些供應商可能會過度承諾、交付不足，并銷售行為不可預測的系統。“我看到很多人在宣傳agentic AI，但實際上，它只是一個帶有RAG（檢索增強生成）的聊天機器人它只是一個檢索一些文檔或調用計算器的聊天機器人，這并不是真正的智能代理體驗。”
Constant Contact的Gutierrez（古鐵雷斯）表示，如果AI供應商無法解釋其技術的工作原理，這就是一個危險信號。“值得弄清楚你購買的是一個真正的智能代理系統，還是一個用流行術語包裝起來的工作流智能體。這個領域最大的危險在于混淆概念——這并不總是故意的，但夸大技術的實際作用很常見。”
Dhamani（達馬尼）稱，如果不完全了解智能體和agentic AI的工作方式，CIO和其他IT領導者可能也無法意識到其中涉及的風險以及所需的監督。
她補充道：“你需要對它們進行監控和審計。如果你現在開始進行諸如調用工具和發起行動等操作，就會引入很多協調方面的復雜性，而且影響范圍也會擴大，可能出錯的地方就會出錯。”
二、你真的需要自主型機器人嗎？
隨著agentic AI的出現，首席信息官需要問自己的第一個問題就是他們是否真的希望自主型AI在其IT系統中運行，ModelOp的Olsen（奧爾森）補充道。
他說：“真正的agentic AI依賴于給予解決方案一定程度的自主權，以便它能自行確定完成任務的最佳方式。絕對建議進行最終審查，因為事情可能會失控。考慮到這可能給你的業務帶來高風險，你真的需要那種完全的自主權來完成任務嗎？”
Olsen（奧爾森）表示，使用MCP或其他協議將智能體相互連接也會帶來數據泄露的風險。
他問道：“如果你真的想實現智能體之間的交互，通過那條路徑可能會泄露哪些數據呢？你有一個只能訪問這個客戶數據庫的工具，該數據庫包含社保號碼，但隨后這個智能體將這些號碼發送給了另一個有權訪問Slack的智能體，然后這些號碼就被發布到了公共的Slack頻道上。”
Olsen（奧爾森）認為這兩種技術都在迅速發展。現在由LLM（大語言模型）AI驅動的代理，將轉而依賴經過訓練以應對分配給代理的任務的SLM（小語言模型），他表示。智能體將變得更智能、更可靠。
他說：“我相信我們將開始擁有真正專業的智能體，在這種情況下，你會使用一個針對特定任務進行高度訓練的SLM，就像你會把軟件程序員、敏捷專家和產品經理聚集在一起那樣。你將開始培養專門的團隊成員，也就是智能體，它們將非常擅長執行那些特定任務。”
盡管未來充滿希望，但Dhamani（達馬尼）建議，考慮采用這兩種AI變體的CIO和其他IT領導者在投身其中之前應該做好功課。他們需要了解AI將如何受到監督，并需要確保他們的數據已清理完畢，隨時可供智能體或agentic AI使用。
她建議各組織從小規模開始。她說：“我會從一個非常受限的低風險用例入手。一開始讓智能體處于只讀或僅提供建議的模式，然后在它達到所有性能閾值后，再逐步增加其自主權。”
作者：Grant Gross（格蘭特·格羅斯）
Grant Gross（格蘭特·格羅斯）是CIO的資深撰稿人，是一名長期的科技記者。他曾擔任華盛頓記者，后來擔任IDG新聞服務的高級編輯。在他職業生涯的早期，他曾擔任Linux.com的總編輯和科技職業網站Techies.com的新聞編輯。在遙遠的過去，他曾在明尼蘇達州和達科他州的報紙擔任記者和編輯。
譯者：寶藍
睿觀：
CIO必須清晰區分“AI智能體（AI agents）”與“代理型人工智能（agentic AI）”（核心要求）。“智能體”是執行特定任務、結果可預測的“單個參與者”；而“代理型AI”是能自主設定目標、跨領域推理并協調多個智能體的“團隊”，目前尚不成熟（核心定義區分）。由于供應商可能混淆概念、夸大宣傳，且新技術帶來更復雜的協調與數據泄露風險，CIO應審慎評估自主性的必要性，并采取從小處著手、逐步增加權限的策略，以確保AI部署的安全與有效（風險與應對策略）。
金句：
在AI的世界里，智能體是“士兵”，代理型AI是“將軍”；分清兵與將，才能在避免風險的同時，贏得真正的自動化戰役。
