2026-02-02-埃森哲-人工智能行业从即时到目的_用代理AI解锁商业价值_15页_1mb

从提示到用途：智能体AI释放商业价值

核心内容

本文探讨了智能体AI（Agent-based AI）在企业中的应用及其对商业价值的释放潜力。通过自动化、优化和扩展代理式AI，企业可以在多个关键业务领域提升效率和创新速度。文章还分析了成功部署智能体AI的关键特性、行业应用案例以及常见的实施障碍，并提出了理想的解决方案。

主要观点

• 智能体AI的定义：智能体AI是一种能够自主设定目标、决策和行动的系统，它通过多种智能体协同工作，实现数据的收集、理解和处理，并能通过自身行为进行学习。
• 商业价值潜力：预计到2028年，智能体AI在全球14个国家将创造450亿美元的经济价值，且多数成功案例显示其可实现从半自动化到全自动化的运营转型。
• 关键成功特性：
  • 获取统一、适用于AI的数据
  • 自优化的AI管道
  • 实时数据处理
  • 自动化数据治理
  • 可组合的AI工作流
  • 优化的计算能力

行业应用案例

1. 电信行业

• 网络故障检测与自愈：AI代理可实时监控、诊断并解决网络问题。
• 客户生命周期管理：通过实时活动和行为数据提供超个性化客户体验。
• 监管合规监控：持续扫描广播内容和用户交互，以确保符合新兴的内容审核和数据法规。

2. 制造与供应链

• 生产线优化：实时调整工作流程、机械和供应路线。
• 环境绩效追踪：跨供应链收集、分析并报告数据，以实现实时合规和ESG目标。
• 预测性维护：规划维修、订购零件并协调维护团队，防止过度或不足维护。

3. 零售与电子商务

• 个性化购物体验：跨多个会话和渠道协助客户，策展推荐，管理愿望清单，协商报价。
• 营销活动管理：根据实时绩效数据设计和启动营销活动，并进行动态优化。
• 退货与退款优化：智能代理处理退款、换货、标记滥用和库存更新，实现近乎实时响应。

常见障碍与瓶颈

1. 复杂、低效的扩展：缺乏标准管道和可重用组件导致资源浪费和成本上升。
2. 缺乏可组合性和治理：AI代理需明确的监督和道德框架，否则可能产生业务损害或数据安全问题。
3. 运营壁垒和集成挑战：断开的AI工具难以协作，导致重复工作和采用缓慢。
4. 不可预测的成本和不一致的表现：AI模型性能下降难以及时发现和修复。
5. 数据隐私和安全：在云端运行的AI需在数据隐私与计算效率之间取得平衡，否则可能阻碍商业价值的实现。

理想解决方案的关键要素

• 集成化：提供端到端集成，确保数据和AI流程的统一。
• 可重用性：支持可组合的AI工作流，便于快速创新。
• 可扩展性：允许企业跨业务流程和领域快速部署AI。
• 可预测性：通过统一的治理、运营仪表板和模型评估工具，增强AI的透明度和可控性。
• 安全性：确保数据访问的安全性和合规性。
• 用户友好界面：设计适合数据团队和AI团队使用的界面，提高使用效率。

企业AI价值的阶跃式变化

自主AI代表了企业大规模部署AI的一次重大转型。通过集成智能体和数据模型，企业能够更高效地控制成本、降低IT和业务风险，并实现可衡量的成果。

人工智能可扩展性平台

Capgemini AI可扩展性平台是支持企业规模化部署智能体AI的解决方案，结合Snowflake的统一AI数据平台和Cortex AI代理，提升AI开发和部署的效率与安全性。

作者信息

• 帕拉维·夏尔马：高级合作伙伴解决方案工程师，Snowflake
• 埃里克·雷希：嘉信的领导者，负责人工智能与数据工程、洞察与数据

关于Snowflake和Capgemini

• Snowflake：作为AI时代的平台，Snowflake帮助全球超过11,000家公司更快创新并从数据中获取价值。
• Capgemini：全球领先的技术与商业转型合作伙伴，拥有420,000名成员，2024年全球收入达221亿欧元。