AI Agent项目挑战及市场洞察

AI Agent 作为智能化应用，是激发数据要素的重要手段。

1.AI Agent 项目挑战

“落地难”现象分析： 企业在 AI Agent 项目上的进展缓慢，周期拉长。面对新经济局势，企业普遍采取节流降本的策略，IT 支出亦受到显著影响。在此背景下，一些企业对 AI Agent 的价值认识不足，导致投入意愿低迷。然而，企业亦担心错失智能化转型的机遇，加之政策导向的推动，使得企业不得不推进AI Agent项目。 这种纠结状态导致 AI Agent 项目虽已立项，却因驱动力不足而进展缓慢。具体表现在，企业在市场调研到正式签约阶段，会进行过度的厂商调研，并要求多家意向厂商进行POC 验证，其用时大约是同金额传统 IT 项目的两倍。

“应用难”现象分析 ：尽管企业通常选择在某个部门先行试点 AI Agent，期待取得成效后再扩大使用范围，但实际情况并非总是如预期般顺利。许多员工更倾向于沿用传统工作方式，对 AI Agent 的采纳并不积极。这并非因为 AI Agent 的能力不足，而是企业文化缺乏必要的变革。企业需要在变革管理、激励措施或培训活动等方面进行投资，以促进员工对新技术的接纳和应用。 企业应结合自身特性，建立 AI Agent 与新质生产力、数据要素的内在联系，实现价值升华，以及建立 AI 文化，增强员工对 AI 的信任和基础技能。

2.市场洞察 ：AI Agent 是由模型、数据、算力、专家知识组成的新质生产力

新质生产力是以全要素生产率大幅提升为标志，本质是先进生产力，代表生产力迭代升级的方向。从现代生产力变革看，科学技术越来越成为生产力最主要推动力量，科技创新是发展新质生产力的核心要素。大模型作为当前科技创新的重要组成部分，以大模型为代表的新“智”技术是新质生产力的重要生产工具。

AI Agent 作为大模型技术的重要应用，具备推理规划、记忆存储、知识沉淀、执行工作等能力，是智能化时代的新型劳动者，是新质生产力的代表。AI Agent 生产过程需要算力、数据、模型、专家知识等核心要素的支撑。

AI Agent 是激发数据要素价值的重要手段

AI Agent 作为智能化应用，是激发数据要素的重要手段。一方面是丰富数据应用场景，数据应用不再仅仅是数据报表、数据看板、自助分析等基础数据分析工具，还涌现出智能运维、营销助手、数字员工等诸多数据应用场景；另一方面，AI Agent 大幅提升数据应用价值，特别是沉淀专家知识等非结构化数据，有助于企业内部数据资产化，提升数据要素流通效率。

AI Agent 对数据基础设施提出新需求。除了要满足国家数据要素建设标准（四大设施（网络设施、算力设施、流通设施、安全设施）和六大能力（数据汇聚、数据处理、数据流通、数据应用、数据运营和数据安全保障））之外，企业数据基础设施建设还需要充分考虑到AI Agent 等大模型应用落地需求，在记忆存储、专家知识沉淀等方面提供支撑。 同时，AI Agent 与数据开发治理工具结合，在数据治理、数据运营等场景有非常丰富的落地潜力，能够极大提升数据开发效率，减少数据工程团队和数据运营团队的工作量，提升企业用户综合数据能力。

企业应从 AI 信任与数据素养着手，建立 AI 文化

德勤一项调研结果显示：“与其他企业相比，大力投资变革管理的企业称人工智能举措超出预期的可能性是平均水平的 1.6 倍，实现预期目标的可能性是平均水平的 1.5 倍以上。”

建立 AI 文化需要从 AI 信任和数据素养两方面着手。AI 信任是指员工对企业构建强大人工智能系统的能力及其为他们带来利益的意愿的信任。数据素养则要求企业提升员工的数据意识，鼓励他们建立批判性思维技能，以正确提出问题并找到解决问题所需的数据。