Gartner：2028年AI智能體將完成20%的交互

作者／ 記者 郝俊慧

編輯／ 郝俊慧 孫妍

2024年，被稱為是“大語言模型（LLM）元年”，然而，2025年，聚光燈正迅速轉向。

“毫無疑問，2025年是大模型智能體元年。”近日，Gartner研究副總裁孫志勇在接受包括在內的媒體采訪時表示，智能體已成為全球最熱門的科技話題，其熱度甚至超越了炙手可熱的大模型本身，一個由智能體驅動的商業模式創新時代正加速到來。

孫志勇認為，2025年標志著“大模型驅動的AI智能體元年”和“生成式AI的變現元年”。這一轉變意味著從基礎模型開發轉向實際的、可創收的應用，而AI智能體正是LLM能力的主要“出口”。

Gartner預測，到2028年，人類可讀的數字界面交互中將有20%由AI智能體完成，約15%的日常業務決策可由AI智能體自主完成，預計三分之一的企業級軟件將集成AI智能體。

從“輔助”到“執行”的躍遷

到底什么是智能體？盡管智能體似乎已經成為2025年人人必談的AI名詞，但這個概念在市場中，顯然仍有“泡沫”。

“智能體并非橫空出世，嚴格意義上講，世界上第一個智能體誕生于1960年。”孫志勇指出，“之所以現在智能體突然爆火，是因為大模型智能體，也就是大模型驅動的智能體，讓智能體變得更加聰明了”。

對于大模型智能體，Gartner給出一個清晰的定義：基于AI技術產生的自動化或半自動化的軟件，可利用大模型、領域模型等AI技術，在數字和物理世界中感知、決策、行動并最終實現目標。

孫志勇強調，智能體與傳統聊天機器人有著本質區別。“聊天機器人給你提供輔助信息，智能體最終幫你實現目標或者采取行動。”他舉例說明，當用戶向聊天機器人提出“幫我點一杯咖啡”時，它會提供周邊咖啡店信息；而智能體則會進一步調用地圖、外賣、支付等工具，直至完成“要咖啡”的目標。

這種從“信息輔助”到“目標執行”的跨越，是智能體賦能企業實現深層變革的關鍵，且今年已有初步應用。

以比亞迪的智能助手為例，以往消費者想看車，需要自己上官網或者去4S店，但現在可以通過比亞迪的“官方助手”輸入個性化需求，比如預算20萬元，家有幾口人，然后由智能助手進行車型推薦。

孫志勇認為，未來手機App的“九宮格”填充方式或許不再是主流，到2028年，前端客戶交互將有五分之一由智能體完成。

支付寶智能助理

“人在回環”消除智能體幻覺

盡管AI智能體發展迅速，但孫志勇依然強調，當前的產品仍處于早期階段，主要障礙是準確性，特別是在多智能體系統中，錯誤可能累積，導致產生“幻覺”或“偏差性輸出”，使其不能真正進入核心生產環節，“即使一個智能體能達到80%的精度，但如果三個80%精度的智能體疊加，精度會呈乘數級下降，只有50%左右”。

解決之道的關鍵之一，是確定智能體角色的單一性，“你要確定智能體的行業屬性，盡可能讓其決策單一化。”簡而言之，如果想要一個大而全的財務智能體，基于復雜的財務流程，精度不足的問題便可能凸顯，從而導致錯誤決策；但如果是一個任務垂直的“報銷智能體”，便可能實現高精度的決策。

聯想智能體

孫志勇甚至認為，基于此，未來可能不太會出現能夠“通吃”銀行、保險、零售和制造等不同行業的通用型人工智能體公司，而是會產生大量基于小型特定模型生成的深度內嵌式的行業智能體“隱形冠軍”，比如專門為保險公司生成定制化保單的特定智能體公司。

另一條路則是“人在回環”。近年來，關于“機器替代人”的討論甚囂塵上，仿佛人工智能的每一次進步都意味著人類工作崗位的縮減。然而，孫志勇卻強調，最新趨勢表明，尤其是海外的金融公司，已經開始考慮將人“領回來”，重新融入智能決策的“回環”之中。這標志著一個重要的理念轉變：機器完全替代人并非易事，至少在初期，人類的參與對確保AI決策精準度至關重要。

“人在回環”的概念，正是為了讓智能體能夠真正采取決策并最終進入生產環境而提出的。但同時，人們也必須接受一個核心概念正在悄然發生變化，“以前我們說‘機器輔助人’，有了AI，其實是‘人在輔助機器’。”孫志勇表示，未來，人的職責不再是主導，而是幫助和輔助智能體，人機協同關系將發生根本性轉變。

落地仍需提升“絕對性價比”

除了精度仍有待提升之外，AI智能體進入核心生產環境的另一個挑戰是成本效益。

“一個AI智能體就一定比人性價比高嗎？”當老板問出這個“靈魂之問”時，意味著智能體的投資回報必須是一串串準確的數字。

當然，一些創新趨勢已經出現。比如在營銷領域，統計顯示，人類銷售BD（商業代表）僅有14%的時間用于商機開發，大部分精力耗費在內部流程上，但一個銷售發展代表智能體（AISDR）則可以24小時不間斷工作，而且能利用CRM數據，分析潛在客戶，生成定制化郵件進行商機挖掘，并在客戶回復后安排與人類銷售員的對接，大大節約了BD的重復性工作，提高了工作效率。

“從數據上看，一個人類BD覆蓋50個客戶已近極限，但一個AISDR能服務數千名客戶。”孫志勇透露，國外已有成熟的AI SDR產品，年費大致在4萬元人民幣左右，性價比遠高于國內高階BD。

Gartner預計，到2028年，三分之一的企業級軟件應用將包含智能體，而去年這一比例還不到1%。

但并不是所有智能體公司都能有同類產品，或者遇到同類場景。至少在當前，智能體的成本并不低。

一個高精度AI智能體在設計和部署上的復雜性，仍然具有很高的技術門檻。比如，為提升精度需引入復雜機制，如思維鏈提示、程序限制或人在回環，這些都涉及很多開發、編程技巧，以及額外的人力成本和實時數據處理，都會增加不少開發和運營費用。

同時，AI智能體與大模型的交互，也進一步推高了算力需求。無論是調用大模型API（應用程序編程接口），引入MCP（模型上下文協議）架構，或是利用A2A（Agent-to-Agent）進行多智能體協作，都需要強大的計算資源支持。

孫志勇認為，AI智能體公司必須證明自己的產品相對于雇傭人類員工，有著明確且顯著的投資回報，否則“還是很難存活”。

因此他強烈建議，這些公司應采取“零號客戶”策略，也即在向客戶提供AI智能體解決方案之前，先在自己內部試用，從而讓那些對采用尖端技術持謹慎態度的客戶，看到實際效果，并堅定轉型的信心。