虽然供应商表示，他们目前基于代理的人工智能产品很容易实现，但分析师表示，事实远非如此。
软件供应商的宣传也在不断发展，在他们的营销信息中，人工智能开始取代生成式人工智能。他们说，人工智能不仅仅是为人类审查生成代码或内容，它将遵循指令，做出决定，并采取行动，就像人类工作者一样，无需人类干预。
人工智能不仅仅是一个更智能的RPA
人工智能不仅仅是机器人流程自动化(RPA)的更好版本：它有望将企业带到RPA永远无法做到的地方。
提供人工智能软件初创公司DoozerAI的联合创始人PaulChada说，“可以把RPA想象成轨道上的火车，它只能在有轨道的地方行驶。人工智能更像是一辆自动驾驶汽车，它可以自适应地导航不同的路线和情况。”
Nucleus Research高级分析师CameronMarsh表示，使人工智能具有自主性或能够独立采取行动的是它解释数据、预测结果、做出决策、从新数据中学习的能力，而传统的人工智能在遇到意外数据时则会犹豫不决。
根据Chada的说法，人工智能的这种适应性可以帮助企业通过处理传统RPA无法管理的复杂、可变任务来提高效率，例如理赔员、信贷员或案件工作者的角色，前提是它可以访问完成任务所需的必要数据、工作流程和工具。
软件供应商已经在兜售能够访问这些资源的人工智能代理产品，包括Salesforce的Agentforce、微软基于Copilot的自主代理、ServiceNow的人工智能代理、谷歌的VertexAI代理生成器、亚马逊的Bedrock代理和IBM的watsonx代理生成器，还有更多的软件可能会紧随其后。
那么，首席信息官们是时候投资这项技术了，还是等一等呢?
早期更好的代理
人工智能承诺在没有人为干预的情况下实现自动化，也就是说，供应商建议，很容易实现——但行业分析师和其他专家认为，对于目前新兴的人工智能技术来说，这远非事实。
Gartner公司分析师TomCoshow在今年10月初发表的一篇博客文章中写道：“目前基于LLM的助理和成熟的人工智能代理之间存在巨大差距。”他指出，要缩小这一差距，企业必须学会建立、管理和信任它们。
Coshow预测，即使到2028年，人工智能也只会在三分之一的企业应用中使用，这使得15%的日常工作决策可以自主做出成为可能。
DevConsult Canada公司首席顾问Martin Bechard表示，“人工智能还处于早期应用阶段，最初的产品还存在缺陷。”
企业软件初创公司投资者TolaCapital的GregCeccarelli表示，衡量人工智能何时能够得到更广泛的应用，也是一个令人担忧的问题。他说，“目前行业中最大的障碍之一是缺乏特定于工作流程的基准”来比较代理和人类在任务上的表现，而目前存在的少数基准，比如OSWorld，本质上是非常学术性的。“在这个话题上，整个行业目前仍处于起步阶段。”
采用并不容易
虽然供应商将他们的代理人工智能工具描述为易于采用，但这并不像用代理取代工作流中的人类决策者那么简单。
研究公司theFuturum集团首席信息官实践副总裁DionHinchcliffe表示，从最简单的层面上讲，在为人工智能做好准备之前，已经设计用于与人类合作的RPA工作流很可能需要进行重大的重新设计。他说，利用人工智能处理非结构化数据、管理场景决策和动态交互的能力，通常不像更新现有脚本或工作流程那么简单。
Moor Insightsand Strategy公司首席分析师JasonAndersen表示，必要的工程工作可能包括评估，然后向代理平台公开正确的服务、aPI、数据和控制，以确保代理具有完成给定任务的环境和工具。
对于IT咨询公司Eden Digital的创始人AnilClifford来说，企业需要将他们的整体方法转向自动化，因为人工智能的概率性质与传统的、确定性的自动化有着根本的不同。
艰苦的工作使工作更容易
一些平台供应商已经提供低代码和无代码的代理开发和管理平台，但分析人士表示，这些平台的功能仅限于构建简单的代理或修改供应商自己构建的代理模板。
Hinchcliffe说：“创建更复杂的代理，特别是那些需要定制集成和细致决策能力的代理，仍然需要对数据流、机器学习模型调优和API集成有一定的技术理解。”他补充说，这些平台上有一个学习曲线，迁移过程可能是资源密集型的。
Marsh表示，多数关于人工智能实验的企业都表示，学习曲线比供应商声称的要陡峭，特别是在大规模实施人工智能所需的定制深度方面。
Moor’sAndersen给出了一个具体的例子：虽然无代码平台提供了集成工具，比如与其他应用程序一起工作的连接器，但经验丰富的开发人员或企业架构师必须首先建立一个完整的后端工作流，然后才能创建代理来完成这样一个应用程序的复杂任务。
仍然在运行遗留应用程序的企业(对于这些应用程序，连接器可能不可用或在功能上受到限制)还有其他问题。
谷歌的云客户工程师ShrutiDhumak表示。“这些系统通常存在集成挑战，使得对现有技术栈进行重大更改变得困难。这就像试图把一台全新的超级智能计算机装进一个仍然在旧软件上运行的旧工厂。”他补充说，诞生于云的初创公司或公司可能会发现采用人工智能更容易。
如果不是现在，那是什么时候?
DevConsult的Bechard认为，在现阶段，对人工智能的投资是对该技术潜力的押注，而不是一种投资。但随着人工智能变得更有能力，这种可能性可能会发生变化。他说：“决策者必须通过试验来学习或建立滩头阵地，如果技术继续进步，滩头阵地就会成为战略优势。”
SanjMo公司首席分析师SanjeevMohan建议，首席信息官们应该拭目以待。他认为，如果现有的RPA正在发挥作用，就没有必要在人工智能上花钱，并建议在决定实施人工智能之前，先了解用例的价值。
其他分析师表示，分层或分阶段采用该技术可能是最好的前进道路。
EdenDigital的Clifford建议使用人工智能作为RPA的补充，而不是替代。他说：“这种方法可以让企业在结构化、重复性任务中保持对RPA的投资，同时逐步引入人工智能代理来处理更复杂、依赖于场景的过程。”
Hinchcliffe也建议仔细权衡成本-金钱和时间-与企业敏捷性，可扩展性和运营效率的好处，并在等式中添加另一个变量：RPA供应商可能自己提供代理人工智能功能-UiPath已经朝这个方向发展-这可能为企业提供一个更安全，更快速的替代方案来实现代理人工智能。