近日，Gartner研究副總裁孫鑫（Julian Sun）與Gartner高級研究總監(jiān)顏晶（Mary Yan）接受媒體專訪，深度剖析了2025年“AI智能體元年”的產(chǎn)業(yè)現(xiàn)狀與未來走向。
作為全球權(quán)威的科技研究機構(gòu)，Gartner的洞察不僅揭示了智能體技術(shù)的演進規(guī)律，更點出了行業(yè)發(fā)展中的核心矛盾。本文將基于兩位專家的采訪內(nèi)容，系統(tǒng)解讀智能體的趨勢前景、當(dāng)下困境，以及真正具備核心競爭力的技術(shù)實踐。
01 趨勢確立，2025智能體開啟規(guī)模化落地序幕
2025年被廣泛認(rèn)定為“AI智能體元年”，這一判斷并非空穴來風(fēng)，而是技術(shù)成熟度、市場需求與產(chǎn)業(yè)生態(tài)共同作用的結(jié)果。Gartner明確指出，代理型AI已成為今年及未來的關(guān)鍵技術(shù)趨勢，2025年更是其走向主流化的重要節(jié)點，智能體正從簡單的輔助工具，進化為能夠協(xié)同運作的復(fù)雜生態(tài)系統(tǒng)，深刻改變企業(yè)處理復(fù)雜任務(wù)與決策的底層邏輯。
Gartner預(yù)測，到2028年，約33%的企業(yè)軟件應(yīng)用將內(nèi)嵌代理型AI，而2024年這一比例尚不足1%；與此同時，15%的日常工作決策將由這些智能體自主完成，反觀2024年，這一數(shù)值幾乎為零。
Gartner預(yù)測：到2028年，15%的日常工作決策將由智能體自主完成（圖源：Gartner）
數(shù)據(jù)背后，是智能體技術(shù)從“概念驗證”向“實際應(yīng)用”的跨越，其自主規(guī)劃、執(zhí)行與決策能力的提升，讓企業(yè)看到了降本增效與模式創(chuàng)新的雙重可能。更值得關(guān)注的是，Gartner預(yù)判未來三到六年內(nèi)，專家型智能體將加速興起，這類聚焦特定復(fù)雜領(lǐng)域工作流程的智能體，將進一步提升行業(yè)運營效率與決策精準(zhǔn)度。
從行業(yè)實踐來看，銀行業(yè)已經(jīng)率先嘗到了AI智能體帶來的“甜頭”。在智能體技術(shù)的支撐下，銀行的服務(wù)模式正從被動問答向主動決策演進，大量重復(fù)性高、規(guī)則性強的任務(wù)得以自動化處理。在報告自動生成、單據(jù)審核、交易異常預(yù)警等場景中，智能體的應(yīng)用不僅縮短了業(yè)務(wù)辦理時間，更降低了人為失誤率。
在顏晶看來，“Agentic AI是未來最有變革影響力的一種技術(shù)，而且它在未來兩年內(nèi)，就非常有可能實現(xiàn)市場化”，這一判斷為行業(yè)注入了強烈信心，也預(yù)示著智能體將在更多垂直領(lǐng)域?qū)崿F(xiàn)價值兌現(xiàn)。
02 熱潮之下，智能體產(chǎn)業(yè)陷入“高開低走”困境
盡管前景廣闊，但智能體產(chǎn)業(yè)的發(fā)展并非一帆風(fēng)順。熱潮背后，部分早期驚艷市場的明星Agent產(chǎn)品，正遭遇“高開低走”的尷尬。從最初“一碼難求”的火爆場景，逐漸走向用戶關(guān)注度下降、續(xù)費率低迷的困境，這一現(xiàn)象引發(fā)了行業(yè)對當(dāng)前智能體發(fā)展模式的深刻反思。
市面上許多廠商存在“Agent Washing”的炒作現(xiàn)象（圖源：Gartner）
孫鑫在采訪中直指核心問題：許多廠商存在“Agent Washing”現(xiàn)象。這類廠商并未真正投入技術(shù)研發(fā)，而是將自動化程度較低的傳統(tǒng)產(chǎn)品簡單重新命名為AI智能體，通過夸大功能、營造概念來吸引市場關(guān)注。
這種行為直接導(dǎo)致用戶期待與實際體驗嚴(yán)重脫節(jié)：企業(yè)懷著對智能決策、高效協(xié)同的高預(yù)期付費，最終卻發(fā)現(xiàn)產(chǎn)品仍停留在傳統(tǒng)自動化工具的層面，無法應(yīng)對復(fù)雜場景的動態(tài)變化，自然會失去興趣與續(xù)費意愿。
企業(yè)智能自動化知行缺乏連接，難以合一
除了功能夸大的問題，部分智能體產(chǎn)品還存在實際價值不足的硬傷。如果產(chǎn)品帶來的效率提升或效果優(yōu)化無法顯著優(yōu)于現(xiàn)有方案，用戶自然缺乏長期使用的動力。以金融行業(yè)為例，部分銀行部署的智能體產(chǎn)品，在貸款初審、客戶咨詢等場景中，處理效率與人工相比并無明顯優(yōu)勢，甚至因缺乏上下文感知能力導(dǎo)致頻繁出錯，最終不得不退回人工操作。
此外，部分產(chǎn)品在使用與集成過程中對用戶要求過高，需要專業(yè)技術(shù)人員進行大量適配工作，這也抬高了企業(yè)的采納門檻，進一步加劇了“高開低走”的困境。
03 Agent“套殼”橫行，九科bit-Agent定義真智能
在智能體的細分賽道中，GUI Agent因貼近企業(yè)實際操作場景而備受關(guān)注，但這一領(lǐng)域同樣存在嚴(yán)重的行業(yè)亂象。
目前，市場上充斥著大量“套殼智能體”，這些產(chǎn)品看似搭載了AI功能，實則只是大模型與RPA的簡單線性組合——大模型負責(zé)生成操作指令，RPA負責(zé)執(zhí)行預(yù)設(shè)流程。大模型與RPA之間缺乏深度協(xié)同與動態(tài)適配能力，本質(zhì)上仍未擺脫傳統(tǒng)自動化工具的局限，并非真正意義上的智能體。
這類“套殼智能體”的致命缺陷在于缺乏自主進化與異常處理能力。當(dāng)企業(yè)業(yè)務(wù)系統(tǒng)界面發(fā)生變化、數(shù)據(jù)格式出現(xiàn)差異，或遇到預(yù)設(shè)流程之外的異常情況時，它們往往會直接終止任務(wù)，需要人工介入修復(fù)，無法像真正的智能體那樣自主感知變化、調(diào)整執(zhí)行路徑。這種“機械執(zhí)行”的模式，不僅無法解決企業(yè)復(fù)雜場景的核心痛點，反而會因頻繁的人工干預(yù)增加額外成本，讓用戶對智能體技術(shù)產(chǎn)生質(zhì)疑。
與之形成鮮明對比的是，九科信息自主研發(fā)的bit-Agent。它憑借底層技術(shù)架構(gòu)的創(chuàng)新，成為GUI Agent領(lǐng)域真正智能體的標(biāo)桿。
九科信息bit-Agent的五大核心能力
bit-Agent構(gòu)建了“感知-推理-執(zhí)行-自進化”的全閉環(huán)架構(gòu)，徹底打破了大模型與執(zhí)行層的線性拼接模式。
在感知層，它能自動識別桌面應(yīng)用、網(wǎng)頁系統(tǒng)、客戶端軟件等各類載體的界面元素，適配動態(tài)變化的業(yè)務(wù)環(huán)境；
在推理層，則依托行業(yè)知識庫與多模態(tài)理解能力，將模糊的業(yè)務(wù)目標(biāo)拆解為具體可執(zhí)行的步驟；
在執(zhí)行層，通過動態(tài)自適應(yīng)引擎，在遇到異常時能自主糾偏或暫停請示，確保任務(wù)閉環(huán)完成。
作為真正的智能體，bit-Agent的優(yōu)勢更體現(xiàn)在實際應(yīng)用價值上。
九科信息bit-Agent的“流程固化”功能
針對傳統(tǒng)工具成本高昂的問題，它通過“流程固化”技術(shù)，將首次執(zhí)行的成熟路徑轉(zhuǎn)化為可復(fù)用模塊，后續(xù)同類任務(wù)無需重復(fù)調(diào)用大模型，使token消耗降低90%以上；在適配性上，它支持所有主流國央企常用大模型，無需額外采購即可快速部署，同時全面滿足信創(chuàng)生態(tài)要求，可實現(xiàn)私有化部署保障數(shù)據(jù)安全；在場景落地層面，bit-Agent已在金融、制造業(yè)等大型企業(yè)中實現(xiàn)商業(yè)化應(yīng)用，將任務(wù)處理效率提升數(shù)倍，用實戰(zhàn)成果印證了真正智能體的核心價值。
九科信息bit-Agent助力某大型車企智能巡檢
未來，隨著技術(shù)的持續(xù)迭代與行業(yè)規(guī)范的逐步建立，“AgentWashing”與“套殼產(chǎn)品”將逐漸被市場淘汰，而以bit-Agent為代表的、具備核心技術(shù)壁壘與場景落地能力的智能體，將成為推動產(chǎn)業(yè)升級的核心力量。
正如Gartner所預(yù)判的，在未來兩年內(nèi)，AgenticAI將實現(xiàn)市場化落地，而專家型智能體的興起，更將為各行業(yè)帶來深層次的效率革命與模式創(chuàng)新。
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
