开发具备自主执行功能的AI工具可能对许多企业来说过于复杂，但一些公司仍在前进，取得了一些成功并从中吸取了教训。
自主AI(智能体)是一种无需人工干预就能在企业内执行特定功能的技术，随着企业希望自动化业务流程、增强员工产出并从GenAI中获取价值，这类技术正逐渐获得关注。
分析公司Forrester将智能体列为今年十大新兴技术之一，但同时对专注于采用该技术的公司发出警告：不要单打独斗。根据Forrester对2025年AI的预测，三分之二试图自主构建智能体的企业将会失败。
Forrester的分析师Jayesh Chaurasia和Sudha Maheshwari写道，那些未能成功自主构建智能体的公司，将会转向外部AI咨询公司为其构建定制智能体，或使用其现有供应商软件中嵌入的智能体。
“精明的公司会了解当前的局限性，依赖供应商和系统集成商合作伙伴来构建处于技术前沿的智能体。”他们写道。
他们补充说，构建智能体是一个复杂的过程，许多企业没有足够的AI专业知识来完成这一任务。
“随着公司将GenAI应用于更复杂的任务，自主AI正成为热点，”Chaurasia和Maheshwari表示，“挑战在于这些架构过于复杂，涉及多个模型、先进的RAG(检索增强生成)堆栈、先进的数据架构和专业技术。”
此外，他们指出，自主AI的能力仍处于初级阶段。可能还需要两年的时间，这些AI才有望实现人们对自动化的高度期望。
自主开发AI的价值
尽管如此，一些公司看到了自建智能体的机会。Goldcast是一家专注于视频营销的软件开发商，其产品负责人Lauren Creedon表示，公司已尝试使用十几个开源AI模型来辅助各种任务。
例如，Goldcast使用一个AI模型来转录视频，另一个撰写基于视频的博客文章，第三个用于创建社交媒体帖子，第四个通过面部识别识别视频中的人物。Creedon表示，Goldcast的目标是将所有这些AI模型链接起来，成为能够自动执行分配任务的智能体。
Goldcast并没有自行构建独立的AI模型，而是利用了这些开源AI的特定功能来满足其自身的需求和工作流程。Creedon指出，基于开源模型构建是利用自主AI力量的更高效方式，比从零开始创建智能体更为可行。
“我不希望人们认为AI是一件难懂且只有拥有博士学位的人才能使用的专业工具，”她说，“越多的人能够掌握它，越多的团队能够使用它，不仅业务运营会获得更好的成果，客户也会受益。”
Creedon同意Forrester的观点，构建智能体确实是一个复杂的过程。她指出，企业需要一个全面的MLOps计划，而有些公司可能没有足够的专业知识自行完成。
Creedon补充说，高级团队需要将多个不同的开源模型结合在一起，组成一个工作流程。在许多情况下，企业需要依靠外部专家来设置智能体。
尽管如此，Slate Technologies的首席技术官兼AI主管Senthil Kumar表示，自己动手也是可行的。Slate Technologies是一家为建筑及相关行业提供数据分析的公司。Kumar表示，Slate Technologies早在三年前就开始推出自己的智能体，甚至早于ChatGPT发布后引发的AI热潮。
“几年前还是一个愿景的技术，如今正在逐渐实现。”Kumar说道。
他指出，现在有多个大型语言模型(LLM)可供使用，聪明的公司可以根据自己的具体需求实验并训练自主智能体。
“我们有幸能够站在巨人的肩膀上，从其他领域的经验中学习，”Kumar补充道，“从一个AI模型开始，你就可以开始调整其行为。相比外部的通用解决方案，你对自己的生态系统了解得更透彻。”
人类监督的必要性
Kumar指出，构建成功的智能体的关键之一是人类的监督，即使智能体是为自主运行而设计的，这种监督也是必要的。企业不能构建一个智能体后就放任不管，而是需要检查其结果并不断寻找改进方法。
“这是一个AI生态系统与人类合作伙伴共同进化的过程，”他说道，“重点应放在这些智能体如何学习、如何获取知识以及如何传播知识。”
然而，对于许多公司来说，决定是自己构建智能体还是与顾问合作并不容易。AlphaSense的AI主管Chris Ackerson指出，大型公司可能会倾向于开发高度定制化的智能体，但它们可能会因内部数据的分散、低估所需资源或缺乏内部专业知识而陷入困境。
“虽然有些公司可能会取得成功，但这些项目往往在成本和复杂性方面失控，”Ackerson说道，“在很多情况下，从值得信赖的合作伙伴那里购买解决方案可以帮助企业避免‘自建遗憾’的陷阱，加快成功的进程。”
Ackerson补充道，AlphaSense已经训练了自己的智能体，但许多公司缺乏内部的专业知识。此外，企业在进行成本预估时，常常忽视了后续维护的成本。
“这是最大的成本，因为随着时间的推移，维护AI系统可能非常复杂且资源密集，需要不断更新、监控和优化以确保长期功能。”Ackerson说。
他认为，与AI提供商合作可以让公司获得经过数千用户测试和优化的现成智能体。
“它的实施速度更快，资源占用更少，还带有持续更新和支持的附加好处，这使公司可以腾出精力专注于其他关键业务领域。”他说道。
合作伙伴的价值
UST的首席AI架构师Adnan Masood表示，许多企业不需要自己训练智能体。
“在像自主AI架构这样复杂的系统中，重新发明轮子确实不是个好主意，”他说道，“这些架构本质上非常复杂，涉及众多组件。”
他指出，众多挑战之一是在自主AI系统中实现强大的内存管理，这个过程不仅仅是存储和检索信息，还包括智能管理上下文、理解过去互动的相关性，并根据不断发展的知识库动态调整AI的响应。
此外，他补充说，从零开始构建自主AI还涉及设计复杂的数据结构、实现高效的搜索算法，以及微调AI解释和优先处理信息的能力，这需要企业具备机器学习、自然语言处理和数据工程方面的专业知识。
“通过寻求专家帮助、采用预构建的解决方案或利用开源生态系统，企业可以利用那些已经解决这些挑战的人的专业知识和经验，从而最终增加成功的机会。”Masood说道。
