如今，越来越多企业从数字优先转向 AI 优先战略，代理AI （gen AI）已经取代生成式 AI 成为当前科技界的热门话题。尽管被大肆炒作，但 CIO 们一致认为，对代理 AI 的期望即将重置。

据 Gartner  2025 年 AI 实施调查中，毕马威某 CIO 相关 论文就指出，随着 CIO 们被“煽动”接受技术提供商涉足 代理 AI 功能，他们的问题和焦虑越来越大。

为了帮助企业 CIO 们更好地推进业务 ，这里有四条代理式 AI 实施的建议。

根据软件开发商 EDB 的首席信息安全官 Dan Garcia 的说法，他和他的团队认识到，不同的代理 AI 用例需要不同程度的节奏。他们在业务 ROI 明确、拥有成熟数据基础设施以及治理允许的领域快速行动。在自动化、安全或数据滥用等可能影响他们所寻求的价值主张的领域，他们必须更加谨慎。“我们在客户之间看到了这些共同点，”他说。兑现代理 AI 承诺需要主权基础设施，以控制您的数据、逻辑和业务成果。所以问题不在于你能走多快，而在于你应该走多快，以及你仍然需要一个人参与其中来维护信任和问责制。

AI 代理平台 Lyzr.ai 首席增长官 Anirudh Narayan 表示，混合思维方式正在成为常态。“CIO 官们故意选择了'试点快，生产慢'的心态，”他们正在孤立的工作流程中迅速试验代理 AI 以快速取得成功，但只有在满足明确的成功指标后才能在整个企业范围内扩展，尤其是在安全性、可观察性和人机协同验证方面。决策因素集中在监管风险、内部数据的质量以及能够在部署后维护这些代理的熟练人员的可用性。

因此，如果您要将 AI 供应商解决方案集成到自己的自定义应用程序中，则需要一个熟练的团队在部署后管理和维护这些代理。

KPMG 技术咨询主管 Marcus Murph 在客户中看到了一种混合方法——大多数组织都希望在敏捷性与谨慎之间取得平衡。许多公司从低风险领域开始，在那里他们可以显示早期投资回报率，并建立随着时间的推移扩展代理 AI 所需的基础。

他认为，更能说明问题的模式是基于企业复杂性。“大型成熟公司正在以更谨慎的速度发展，这通常是因为他们正在驾驭数十年的遗留系统、根深蒂固的工作流程和技术债务，”他补充道。“另一方面，不受这些限制影响的小型组织或新参与者正在更快地发展，并且具有更大的灵活性。”

为了管理风险和复杂性，CIO 还可以探索其他基础模型，例如 SLM 而不是 LLM。在这里，使用案例可以作为指南，在许多情况下，SLM 可以更好地提供特定于业务的 AI 应用程序。

根据 Murph 的说法，多数技术领导者都同意重置的可能性，就像在代理 AI中看到的那样，炒作总是领先于现实。好消息是一些客户已经在做准备了，他们不仅仅是建筑代理，还在围绕他们搭建“脚手架”。这意味着要设置正确的护栏，管理利益相关者的期望，并针对集成和扩展进行设计，而不仅仅是概念验证。

他还认为，企业将 AI 主要视为业务问题，而非技术问题。除了技术的实施外，成功还需要对业务流程进行大量重新布线和重塑员工队伍。

EDB 的 Garcia 认为，重置不仅即将到来，而且是可以预见的，因为企业希望以更快的速度行动，同时需要平衡管理、可扩展性和实现投资价值。“我们正处于期望过高的顶峰，而 CIO 们正在为过度承诺的后果买单，”他说。“与我们合作的积极主动的领导者通过运行带有护栏和预算阈值的受控试点环境，使他们的团队免受炒作的影响，并在迭代过程中不断学习。”

由于 CIO 必须保持正常运转并进行创新，这是他们日常工作的一部分，因此他们处于有利地位，可以引领 AI 和代理 AI 的发展，并且无论其在炒作周期中的哪个阶段，都采取经过深思熟虑的方法。

毕马威最近的 AI Pulse 调查数据显示，AI 的领导层正在从 CEO 转移到 CIO，在今年第一季度，86% 的 CIO 领导与 AI 相关的计划，而只有 8% 的 CEO 领导。这与去年同期分别为 31% 和 34% 相比发生了重大变化。

CIO 们也与 CAIO 密切合作，帮助他们适当地调整步伐。一种新的责任感正在出现，CIO 们管理的 CAIO 渴望快速行动，但往往没有对数据准备、法律风险或长期运营复杂性给予足够的关注。这不是要放慢速度——而是要有目的地调整节奏。

Murph 认为这是 CIO 和 CAIO 作为“副驾驶”的时刻，他认为，CIO 了解技术堆栈，CAIO 了解业务转型，两者都不能单独做到这一点。建议快速而明智地行动，这意味着要调整现在准备试点的内容、需要护栏的内容以及技术仍有成熟空间的地方。如果你没有 CIO 和 CAIO 之间的共同路线图，那么速度就会变成波动性。

AI 的高光时刻即将到来，其中包括 gen AI、agentic AI 等。为了实现这一目标，CIO 和 CAIO 可以采取“有目的地调整节奏”的方法，让企业用例和复杂性指导他们，为集成和扩展进行设计，并不断努力在风险和回报之间取得适当的平衡。