AI agent的路线之争

铺天盖地的AI新闻以及更新的空前速度给忙碌的CIO和决策者带来了巨大的认知负担，企业在理解AI并制定采用路线图时必须考虑的关键优先事项有哪些？当然，关于AI 代理形成了两个阵营，一个是以微软为代表的，一个是以SAP、Oracle为代表的。个人认为以下两点是制定路线图优先考虑的因素：

• 正确的AI代理（而非数量）将驱动商业成功

随着技术的快速进步，CIO在理解、规划和执行层面承受着巨大压力。从代理视角来看，当前的生成式AI（GenAI）体验处于一个连续谱系中。目前这些体验仍相对狭窄且显性化，自主性有限。但随着时间的推移，它们将通过技术进步（如新推理模型O1、DeepSeek R1和成本仅450美元的Berkeley Sky-T1-32B）实现更高的自主性。

技术发展正逐步推动代理自主性提升。尽管未来代理可能取代传统软件，但这一转变的时间仍不确定。不过，企业应用在可预见的未来仍将继续存在，但其架构和设计将不断演变。

但若将代理视为新型劳动力，成功的关键不在于数量，而在于组建具备技能多样性的“正确团队”以解决复杂商业挑战。

例如，无明确指引下部署多个代理，犹如将50位专家置于同一房间并分配宽泛任务，最终可能导致方向性错误。与现实世界同理，代理需在SAP/Oracle等应用中预设的边界条件下运行。通过结合SAP知识图谱的业务洞察、Signavio流程图谱的边界条件及大语言模型（LLM）的能力，企业可达成最佳效果

• 云端驱动、场景赋能、业务就绪

SAP将AI深度集成至结构化业务流程中，使代理能跨领域无缝协作，确保复杂任务的高效可控执行。SAP知识图谱等技术在此类端到端流程体验中至关重要。多年的集成努力为这一能力奠定基础，使SAP方案独具优势。

关于AI Agent（人工智能代理）的技术路径、应用场景和行业价值，各方存在以下不同看法：

1. 技术架构之争：独立代理 vs. 嵌入式代理

1. 微软等厂商：

主张将AI Agent与应用程序分离，认为Agent应作为独立实体主导流程（如Copilot独立于Office套件），通过调用API或工具实现跨应用协作，强调Agent的“中心化”和“自主性”。

2. SAP、Oracle等企业应用厂商：

认为Agent应深度嵌入现有企业应用（如ERP、HR系统），与业务流程和数据天然融合。

SAP强调“场景化集成”，利用知识图谱（Business Data Cloud）和流程模型（Signavio）为Agent提供结构化业务上下文，避免因脱离系统导致“数据孤岛”或权限失控。

2. 代理数量之争：规模化部署 vs. 精准化配置

1. 部分厂商的愿景：

提出“数十亿Agent”的宏大目标，认为未来每个用户、每个任务都可能由专属Agent完成，通过海量Agent覆盖全场景需求（类似当前ChatGPT插件的扩展逻辑）。

2. SAP的批判性观点：

质量优于数量：

将Agent比作“新型劳动力”，企业成功的关键在于组建“精准团队”（如财务关账、供应链优化等场景的特定Agent），而非盲目堆砌数量。

需预设边界条件：

无约束的Agent协作可能导致混乱（如50个专家无目标讨论），需通过业务知识图谱和流程规则限制Agent的行为边界，确保可控性。

3. 商业模式之争：消费型定价 vs. 价值型定价

传统AI定价模式：

按用户数或调用量计费（如按席位订阅、API调用次数），可能导致企业因Agent高频使用而成本激增。

SAP的创新策略：

AI Unit（AI单元）模式：允许客户统一购买AI算力资源池，跨应用灵活分配（如ERP、HR、供应链共享资源），降低碎片化成本。

隐性价值主张：

随着Agent自主性提升，传统按用户收费模式可能失效，需通过“AI创造的实际业务收益”（如流程效率提升、错误率降低）重新定义定价逻辑。

4. 行业落地之争：通用化能力 vs. 垂直化深耕

通用Agent的局限性：

尽管大模型（LLM）具备广泛知识，但缺乏对行业专属流程（如石油行业的钻井设备维护、零售业的动态定价）的理解，难以直接解决复杂业务问题。

SAP/oracle的垂直化路径：

横向流程优先：

聚焦财务、HR、采购等跨行业通用场景，通过标准化Agent快速释放价值（如Joule的应付账款自动化）。

生态合作补足长尾需求：

依赖合作伙伴开发细分行业Agent（如医疗临床试验管理、制造业设备预测性维护），通过统一平台集成，避免客户陷入“定制化泥潭”。

5. 技术成熟度认知：激进替代 vs. 渐进融合

激进派观点：

认为Agent将彻底取代传统软件，成为新一代交互界面和决策核心（如“无代码Agent驱动一切”）。

SAP的渐进主义：

• 企业应用的长期存在：

承认Agent自主性在提升，但企业应用（如SAP S/4HANA）仍是核心业务载体，Agent需与其协同进化。

• 架构演进的必然性：

未来应用设计需兼容Agent交互（如API标准化、数据语义化），但短期内更关注“如何让Agent增强现有系统”，而非颠覆式替代。

总结：分歧背后的核心逻辑

微软等厂商：

以技术颠覆为导向，试图通过Agent重构软件生态，抢占下一代交互入口。

SAP等企业应用厂商：

以业务价值为核心，强调Agent需尊重企业现有IT投资和流程复杂性，通过“AI隐形化”（即无缝嵌入业务场景）实现可落地的效率提升。

客户视角：

需在“技术前瞻性”与“落地风险控制”间平衡，选择与自身数字化成熟度匹配的Agent路径。

这些分歧本质上是技术理想主义与商业实用主义的碰撞，也反映出AI Agent在不同行业场景中的差异化价值诉求。