“两年后将有超40%的智能体将会消失”

首先说好的一面。智能体能够走量，很大程度上显出了在技术领域深厚的技术沉淀和庞大的人才储备。再加上我们这几年在算力、模型和数据的基础设施层面，砸下了至少几千亿的资金。这些不计成本的资金和技术投入，最终引发了智能体的大爆发。

现在，搭建一个智能体的门槛被大大降低，哪怕是不懂编程的人，也能基于完善的智能体平台搭建一个智能体。根据自己的业务属性，哪怕是职能部门的同事，也能无障碍搭建招聘智能体、面试智能体、合同审核智能体、财务智能体以及运营智能体等。有企业向数据猿反映，一个部门人均能达到三五个智能体，在某些场景下对于日常办公会起到提质增效的作用。

但是，这种“走量”现象的背后，必然存在一些非理性的一面。

以金融领域为例，金融是数字化程度最高的领域，也是业务场景最为庞大的领域之一，这为智能体提供了绝佳的用武之地。

翻开2024年上市银行的财报，AI与智能体几乎成了共有的关键词。中国银行2024年新增超900个大模型及智能体业务场景；建设银行落地193项场景应用；工商银行建成企业级千亿金融大模型技术体系“工银智涌”，赋能20余个主要业务领域、200余个场景……

这些国有大行领天下先，用实践探索智能体的落地路径。但很多银行的智能体建设画风却是另外一番景象。

“不得不承认，布局大模型已经是一个必须完成的任务。‘用不用’暂且不论，前提首先是你得有这些大模型。”一位某股份制银行的领导不讳言的说道。

事实上，很多智能体只会存在于宣传或者演示中，某城商行就发生过这样的事情。上面有领导要来视察银行拥抱人工智能的成果，消息传出后，银行提前一两个月突击作战。基于外购的智能体平台，调几个参数，设计一些场景，增加一些本地的数据和知识，作出几个“热腾腾”的智能体。比如做一个银行数字人，领导来的时候能跟领导互动一下。设计一个智能客服智能体，给领导展示一下先进的客户服务能力。

但领导走后，这些智能体可能就束之高阁了。

这种情况并不只存在于银行领域，这种因为别人有，我也必须得有的情况，在其他领域可能更甚。

在其他领域，很多智能体根本都算不上智能体，充其量就是大模型外挂了一个知识库。还有很多企业的基础大模型是买的，智能体是外包商帮着搭建的。搭建完了以后，还得有人专门指导怎么使用智能体。像这样的产品，指望它能发挥多么大的价值，那真是想多了。

但是量就这么堆上来了，现在打开百度搜索“智能体”，你会看到五花八门智能体产品。这些智能体除了名称不一样以为，根本找不到明显的差异。

分析机构Gartner认为，今年以来愈演愈烈的AI智能体概念热潮在很大程度上是炒作的结果，很多项目的“智能体化”仅仅是品牌名称重塑，在市场冷静后将会出现一波退潮。

到2027年底将有超40%智能体/代理人工智能 (Agentic AI) 项目将被取消。

这个数字我们认为是合理的，最终也许被淘汰的智能体会超过这个数字。这种淘汰不是一件坏事，我们可以把它看成是一种市场自我优化的正常出清。

智能体在各个领域的规模化入侵，反映出人们对于创新的焦虑。别管有没有用，需不需要，因为这个概念很新潮，必须要大干快上。但数量的堆叠并不能带来价值的提升，反而会流于形式，久而久之也会抑制大模型创新的动能，误导创新的方向。

而且，低效、混乱的智能体堆叠在系统中，还会带来巨大的治理成本和潜在风险。

The Futurum Group的CIO实践负责人Dion Hinchcliffe将智能体的泛滥比作RPA在其鼎盛时期不受控制的扩散。RPA最开始也是从一些细小的场景开始蔓延，比如自动化发票处理、客户入职等，但很快就演变成了一堆脆弱、重叠的机器人。如果智能体不加以节制，它们就会相互碰撞、重复工作，让用户和系统都感到困惑。

因此，一些低效、低应用价值的智能体，它们的消失并不是一件坏事，市场也无需为此感到紧张，这并不影响智能体向下一个阶段进化的历史大势。

当下最关键的问题是，如何让智能体实现“质”的有效增长。