企业经受AI Agent需防护：幸免不切本体的盼望开云kaiyun，优先处理精炼的用例，保证数据质地，醉心治理与安全。与生成式AI比拟，Agent的影响更大，需制定完善的战术。

译自：4 Reasons Agentic AI Is Failing作家：Derek Ashmore

企业经受 AI Agent 有好多意义，举例不错普及坐褥力并减少职工的乏味感。

AI Agent 的试验也存在许多失败的可能 —— 跟着越来越多的组织转向经受 Agentic AI，聪惠的组织会积极想考若何越过于可能导致 Agentic 神态出错的罗网。

行为又名如故为里面使用和代表企业客户部署了多个 AI Agent 的东谈主，我如故学会了一些对于若何幸免 AI Agent 试验失败的训戒。请无间阅读，了解我对失败的主要原因的见识，以及缓解这些原因的妙技。

什么是 AI Agent，企业若何使用它们？

AI Agent 是一种自主软件系统，不错感知其环境、作念出决策并遴荐行为。

通过创建与特定用例相符的自界说 Agent，组织不错部分或竣工自动化复杂的任务，而这些任务以前需要职工手动完成。

Agentic AI 技能相对较新，坐褥就绪的 Agentic AI 技能和框架（举例 模子潦倒文合同，或 MCP）在畴前一年阁下才驱动可用。尽管如斯，AI Agent 如故在营业环境中赢得了无为的欺诈：把柄 IDC 2025 年夏日的连络，国法其时，34.1% 的企业 如故驱动经受 Agentic AI。

经受 Agentic AI 失败的主要原因

但通常，驱动试验 AI Agent 是一趟事。收效完成神态是另一趟事。以下是 Agentic AI 试验可能失败的主要原因。

1. 不切本体的盼望

AI Agent 是一种强盛的惩处决策，大要自动化任务和使命历程，不然这些任务和使命历程需要手动完成。但它们不行变魔术。它们可能无法完成高度复杂的任务，或者那些需要东谈主类才能提供的潦倒文感知类型（如对东谈主类神色的剖析）的任务。

这并不是说 AI Agent 在这些情况下莫得匡助。它们可能仍然有用，但前提是它们与东谈主类沿途使命，而不是代替东谈主类。换句话说，每每需要保握“东谈主机回路”，AI Agent 才能已毕其狡计。

每每情况下，Agent 也难以在领先就擅长其预期的任务。每每，它们必须经过迭代竖立过程才能 大要满足盼望，这意味着它们可能无法像高管但愿或盼望的那样快速地寄托业务价值。

未能剖析这些国法，或者对 AI Agent 的能力设定不切本体的盼望，是试验未能竣工已毕其狡计的一个常谅解因。

2. 糟糕的用例优先级排序

鉴于 AI Agent 的弘大后劲，组织很容易尝试竖立自界说 Agent，旨在处理所有这个词可能的用例或使命历程。

对于大大皆公司来说，这是一个造作，因为它使他们处于承担超出我方能力限制的位置。若是您的组织是 AI Agent 的试验和经管的外行，它应该简约单的用例驱动，这些用例中的任务界确认确且效用易于接洽（举例部署软件欺诈才能或将数据写入数据库，仅举几个例子）。

唯有在这些任务中取得收效后，组织才能转向更复杂的用例。尝试从一驱动就处理波及多个变量或系统的复杂任务不会让您走上收效的谈路。

3. 数据质地问题

古老的“垃圾进，垃圾出”的说法适用于许多类型的 IT 系统。但它与 AI Agent 尤其相干，若是它们无法造访正确类型的数据，或者它们使用的数据质地较低，它们将难以灵验地运行。

这即是为什么确保 AI Agent 大要造访 它们已毕预期任务所需的数据至关蹙迫。（诚然，它们不应大要造访与其预期用例无关的资源，因为这会产生安全风险。）每每，这不仅包括易于经管的资源，举例结构化数据库，还包括开脱形貌的非结构化数据，举例文档鸠合。

通常蹙迫的是在将数据裸露给 Agent 之前计帐数据，以幸免缺失、不完满、落后或陈旧的信息 —— 举例，一个 着手的客户信息与 另一个着手的数据打破的情况。若是莫得准确和一致的数据，Agent 更容易作念出造作的决策，因为它们无法灵验地确认注解其环境。

4. 治理挑战

通过记载和审计 Agent 的 行为来追踪 Agent 正在作念什么的能力对于治理和安全性至关蹙迫。这种可见性还在 Agent 的竖立中起着蹙迫作用 和增强，因为日记记载和审计追踪对于识别造作（举例不测修改明锐数据）并通过试验新的防护口头来校阅它们是必要的。

糟糕的是，现在大大皆 Agentic AI 框架提供的用于惩处这些挑战的内置功能有限。然而，通过弥散的竖立使命，不错试验自界说治剖析决决策来撑握 Agentic AI 的收效经受。这比经受现成的惩处决策并称其为一天的收尾要付出更多的勤奋，但对于均衡 AI Agent 的强盛功能与潜在的治理风险是必要的。

一种坐褥就绪的 Agentic AI 经受口头

若是我上头提倡的挑战听起来很纯属，那可能是因为许多接洽的问题在生成式 AI 经受过程中也存在。也即是说，AI Agent 使其中的一些挑战加倍，因为与生成式 AI 系统不同，Agent 不单是是创建内容。它们不错遴荐寂寞行为，径直影响 IT 系统的性能和可靠性，这即是为什么在制定 Agentic AI 经受和试验战术时开云kaiyun，从一驱动就作念功德情如斯蹙迫的原因。