通过人工智能冲击预测，数字化转型：40％的AI项目失败 - 是您的代理商？
Xpert 预发布
语言选择 📢
发表于：2025年6月26日 /更新：2025年6月26日 - 作者： Konrad Wolfenstein
通过人工智能冲击预测，数字化转型：40％的AI项目失败 - 是您的代理商？ - 图像：XPERT.DIGITAL
AI代理失败：为什么三分之一的数字项目都在最后
自动化失败：关于AI开发项目的残酷真相
多年来，数字化转型一直有望成为自动化和效率的黄金时代。特别是AI代理商作为未来的数字雇员交易，他们旨在减轻人工劳动并彻底改变公司流程。但是现实看起来不同：比每个第三个发展项目都脱颖而出，而欣快感越来越多。诺言与现实之间的这种差异提出了有关该技术的实际成熟度和实际好处的基本问题。
什么是AI代理，为什么他们被认为是革命性的？
AI代理与常规自动化工具根本不同。尽管经典软件解决方案（例如Zapier）或根据固定规则进行工作，但AI代理人将感知，决策和能够采用自主系统的能力结合在一起。根据情况，您可以确定哪种操作始终通过相同的方案起作用。
这些先进的计算机程序旨在自主行动，做出决策并采取措施而无需持续的人类干预。您可以分析数据，从经验中学习并适应变化的条件。与简单的自动化工具相反，AI代理可以管理复杂的任务并适应不可预测的情况。
合理的结论和实际行动能力的合并被认为是更强大，更普遍的AI系统。例如，代理商不再只是寻找产品信息，例如在明显的建议中，还可以在提供商的网站上浏览，填写表格并填写购买 - 仅在简短的指令和学习的过程的基础上完成。
适合：
生产率提高的承诺
乍一看，AI代理商对公司的潜在优势似乎令人印象深刻。研究表明了积极的结果：马萨诸塞州技术学院和斯坦福大学的调查基于5,179名客户服务员工的数据，发现由AI代理支持的员工的生产力比没有访问权限的员工高13.8％。当前的研究甚至表明，AI代理可以将团队的劳动生产率提高60％。
AI代理人应承担各种任务：从计划和旅行预订到研究和报告。您可以自动重复和时间耗费任务，并以他们可以专注于战略和创造性的任务的方式减轻人类员工。想象一下AI代理，他会自动处理发票，报告和计划以召开会议，以便员工可以专注于需要人类专业知识的更复杂的任务。
应用领域实际上扩展了所有公司领域。在客户服务方面，AI代理可以全天提供个性化的支持，并使用自然语言处理来处理客户查询，并且只需在必要时向人类代表升级问题。在IT支持中，您可以通过识别，分析和解决问题来帮助自动故障排除。在金融和保险系统中，您可以通过分析数据中的模式和异常来识别和预防欺诈活动。
艰难的现实：为什么AI代理失败
尽管有前途的前景，但现实仍在清醒。市场研究公司Gartner预测，到2027年，所有计划或已经使用的所有AI代理项目中有40％以上。该预测基于三个主要原因：成本上升，公司缺乏收益率和风险控制不足。
Gartner的高级总监Anushree Verma解释了以下情况：大多数农业AI项目目前处于早期实验阶段，或者仍然是炒作驱动和错误使用的概念。许多AI用户在整个公司的规模上都没有概述AI代理的昂贵和复杂的概述。
技术缺点和质量问题
一个基本问题在于当前系统的技术不成熟。根据Gartner分析师的说法，只有1000多个承诺AI技能的工具中，只有大约130名可以保持这一诺言。大多数代理AI承诺缺乏重大价值或资本回报，因为它们不够成熟，无法自主实现复杂的公司目标或每次详细遵循指示。
当AI代理人面临复杂的多阶段任务时，问题变得特别清楚。 Salesforce的基准表明，即使是Gemini 2.5 Pro等顶级模型，在简单任务中也只能达到58％的成功率。在对话更长的情况下，性能急剧下降至35％。一旦需要进行几轮讨论来确定缺乏查询信息，则性能会大大下降。
金融领域的另一个基准也显示出同样令人震惊的结果：最佳测试模型OpenAIS O3仅达到48.3％的准确性，平均成本为3.69美元。这些模型能够从文档中提取简单数据，但由于深刻的财务推理而失败，这是真正添加或替换分析师工作所必需的。
指数增加错误概率的问题
AI代理商的一个特别有问题的特性是他们遇到累积错误的趋势。 Patronus AI是一家帮助公司评估和优化AI技术的初创公司，发现每步至100步的误差率的代理商的错误概率为63％。代理商需要执行任务的步骤越多，出现问题的可能性就越高。
这种数学现实解释了为什么准确性显然会对整体绩效产生不成比例的影响。任何步骤中的错误都可以使整个任务失败。涉及的步骤越多，到最后出现问题的机会就越高。
安全风险和新攻击区
微软的研究人员已经确定了可能影响AI应用程序或环境的安全性或保护的AI代理的十个新类别的失败类别。这些新的故障模式包括妥协代理，将流氓代理插入系统中，或模仿由攻击者控制的代理人对合法的AI工作量。
“记忆中毒”的现象特别令人担忧。在一项案例研究中，微软的研究人员表明，如果不适合此类攻击，则可以根据内容进行分析并根据内容执行操作的AI代理很容易受到损害。发送带有修改知识库或代理的内存的命令的电子邮件会导致不良动作，例如将带有某些主题的消息转发给攻击者。
经济挑战
爆炸实施成本
实施AI代理的成本根据范围和复杂性而变化很大。对于只需要基本解决方案的小型公司，简单的AI关税通常每月售价在0至30美元之间。对于中型公司，实施成本可能在50,000美元至300,000美元之间，而大型组织必须期望第一年的投资为500,000至500万美元。
但是，实际成本远远超出了最初的实施费用。公司必须考虑专门服务器和GPU群集，软件许可费，数据存储解决方案和云计算资源的硬件成本。此外，数据准备 - 通常是AI项目的最耗时的方面 - 大量投资。根据Gartner Research的数据，根据项目范围，组织通常在初始AI基础架构上花费20,000至500,000美元。
不清楚投资回报的问题
量化AI代理的实际收益的困难尤其有问题。虽然传统的自动化解决方案通常可以从降低人员或效率提高可节省成本，但AI代理的ROI更难衡量。由于无法直接确定资本回报率，因此必须调整成功测量的参数。
尽管有乐观的期望 - 调查表明，有62％的公司期望代理AI的投资回报率超过100％ - 现实通常仍然落后于期望。许多试点项目不会创造向生产环境的过渡，因为承诺的附加值不存在或实施成本超过了预期的节省。
代理洗涤：营销问题
增加混乱的另一个因素是被称为“代理洗涤”。许多提供商正在运行现有技术的重命名，例如AI助手，基于机器人的工艺自动化或聊天机器人，尽管他们通常缺乏真实代理的决定性特征，但它们通常缺乏实体解决方案。 Gartner估计，在成千上万的提供商中，只有130个提供商提供基于代理的AI技术。
这种实践导致对那些认为他们已经具有成熟代理技术的公司的期望，而实际上他们只获得了扩展的自动化工具。真实AI代理与常规自动化解决方案之间的混淆极大地促进了高失败率。
B2B采购：供应链，贸易，市场和AI支持的采购
实际测试中的AI代理：自动化的隐藏障碍
实践中的具体挑战
集成到现有系统中
最大的实际障碍之一是将AI代理集成到现有的IT景观中。集成可能是一个真正的挑战，因为公司必须确保可以将AI代理无缝集成到现有的基础架构中。这种集成通常需要对现有系统进行重大调整，并可能导致当前业务流程中的昂贵中断。
尚未开发许多现有的公司系统，目的是与自主AI代理进行互动。通常必须对必要的API接口，数据格式和安全协议进行完全修订。这种技术复杂性导致实施时间更长，成本比原本计划更高。
适合：
数据保护和合规性问题
AI代理的使用还提出了数据保护和遵守GDPR等法律的问题。公司必须确保保护客户的隐私并遵守适用的法律。代理商访问和处理敏感数据大大增加了数据保护风险。
自主AI系统部分逃脱了人类控制并创建新的攻击区域。在网络多代理系统中，可能会发生新兴效果，使其行为无法预测。完全自主的代理人可以意外采取行动，这引发了法律和道德问题。
组织抵抗
通常低估的因素是劳动力内的抵抗力。 AI代理人的自动化可以导致工作变化和失业。公司必须为这些变化做准备，并采取措施支持其员工。必须相信员工的优势，以便能够有效地使用它们。
成功的实施不仅需要技术能力，还需要改变管理和培训计划。没有劳动力的接受和积极支持，即使是技术上成熟的实施也无法成为人为因素。
为什么当前的方法太短了
真实业务流程的复杂性
许多AI代理被设计为在受控环境中起作用，但是实际的业务流程更加复杂和不可预测。基于常规的系统具有一定的“脆弱性”，也就是说，当它们面对开发人员未考虑的情况时，它们崩溃了。许多工作流程的可预测性要差得多，并且具有意外转弯和各种可能的结果的特征。
在受控测试环境中工作良好的AI代理，如果面对真实商业环境的复杂性和不可预测性，通常会失败。如果您面临歧义，您可以忽略重要的上下文信息或做出错误的决定。
高估的自主权
一个基本问题在于高估当前AI代理的实际自主权。大多数SO称为自主系统仍然需要大量的人类监视和干预。完全自主行动的代理人在实用性和不可预测性之间进行平衡。完整的自主权听起来是理想的选择，直到代理商为错误的城市旅行或向重要客户发送未选中的电子邮件。
当前的AI模型没有必要的能力来独立实现复杂的业务目标，也无法在很长一段时间内遵循细微的指示。这种限制意味着承诺的自动化经常不会发生，并且人类监测仍然是必要的。
成功实施策略
专注于特定应用
尽管面临许多挑战，但AI代理的实施仍然非常成功。钥匙集中在特定的，定义明确的用例上，而不是尝试创建通用解决方案。成功的组织已经集中精力确定和适应应用程序。寻求每一个AI机会的决策者可能会有更多失败的项目。
一种经过验证的方法是将AI代理用于决策情况，常规流程的自动化或处理。这些有限的，明确定义的任务提供了更高的成功可能性，而不是试图完全自动化复杂的，模棱两可的业务流程。
分步实施
务实的方法是AI代理的逐渐引入。公司不是尝试一次转变整个业务领域，而应从较小的，易于管理的项目开始。较小的公司可以通过依靠AI电话服务和预制解决方案来最大程度地降低其成本，这些解决方案比量身定制的系统所需的初步投资更少。
成功实施逐步实施的一个示例是一家中等规模的保险公司，该公司实施了用于损害处理和客户服务的AI。尽管首次投资了42.5万美元，但该系统在13个月内取得了正回报，并在三年的总储蓄和120万美元的总销售额中提供了收益。
治理和风险管理的重要性
AI决策智能的代理人既不是灵丹妙药，也不是可靠的。它们必须与有效的治理和风险管理结合使用。人类的决定仍然需要足够的知识以及数据和AI能力。
有效的治理框架应包含监视和控制AI代理的明确指南。这包括用于检测和纠正错误的机制，定期审核代理性能以及需要人为干预的情况的清晰升级路径。
未来的观点：现实期望
长期趋势尽管短期挫折
尽管目前面临挑战，但Gartner预测，从长远来看，AI代理人将发挥重要作用。到2028年，所有日常决策中约有15％应在2024年的代理工具工作场所接管。此外，在2028年，AI代理商的所有软件解决方案中有33％应包含其包装，而2024年不到1％。
这些预测表明，当前的问题作为生长疼痛应被理解为年轻技术。基本概念是有希望的，但是实施必须成熟并适应日常业务的现实。
需要现实的评论
AI代理项目的高失败率不应被解释为技术的一般失败，而应将其作为不切实际的期望和不成熟实施策略的警告信号。失败的项目不应总是为董事会发送负面信号。庆祝这一领域的失败很重要，因为它促进了一种实验文化，而不管该想法是否将其纳入生产。
该练习还可以导致迭代实验和更好的结果。重要的是要知道何时AI是正确的工具，以及何时不避免浪费时间丢失时间。
适合：
公司的战略建议
现实的目标和期望管理
公司应以现实的期望来解决其AI代理计划。您应该专注于逐步改进，而不是试图实现革命性的转变。为了利用代理AGI的真正好处，公司不仅应该考虑各个任务的自动化，而且还要关注公司一级的生产力。
一个良好的开始是使用AI代理在具有明确业务福利的特定可测量任务中使用。目标应该是最大程度地利用业务福利 - 无论是通过较低的成本，质量提高，更高的速度还是更好的可扩展性。
基础投资
在公司实施复杂的AI代理之前，他们应确保基础知识是正确的。这包括一个可靠的数据策略，有效的数据治理和强大的技术平台。不良数据质量是AI项目中70％以上失败的原因。没有高质量，相关和良好的数据，AI系统将无法实现他们的诺言。
建立内部技能
AI代理的成功实施需要许多组织尚不可用的专业技能。公司必须投资于内部AI能力的发展，或与经验丰富的提供商建立战略合作伙伴关系。内部技能的发展通常需要花费25万至100万美元用于中型项目，包括雇用专业开发人员和购买开发工具。
AI代理商的转折点
AI代理的高失败率投影标志着该技术开发的重要转折点。最初的欣喜让位于对可能性和限制的更现实评估。但是，这种幻灭不一定是负面的 - 它可能导致更好，更善良的实施策略。
技术本身不是问题。 AI代理当然提供了改善业务流程并开放新机会的潜力。问题在于过度期望与当前技术现实之间的差异。将AI代理商视为灵丹妙药或试图过早实现太早的公司可能是40％，他们必须在2027年之前雇用自己的项目。
与AI代理商的成功需要务实的逐渐方法，该方法侧重于具有明确业务利益的特定应用程序。公司必须愿意投资必要的基础知识 - 从数据质量到内部能力开发。但是，最重要的是，您必须了解，AI代理不能代替良好的业务战略和扎实的项目管理实践。
接下来的几年将显示哪些公司可以从当前的失败中学习，并成功地将AI代理集成到其业务流程中。获奖者将成为有条不紊地期望并准备长期投资这项技术的人，而不是依靠快速解决方案。
我们随时为您服务 - 建议 - 规划 - 实施 - 项目管理
☑️ 为中小企业提供战略、咨询、规划和实施方面的支持
AI策略的创建或重组
☑️ 开拓业务发展
康拉德·德军总部
我很乐意担任您的个人顾问。
您可以通过填写下面的联系表与我联系，或者直接致电+49 89 89 674 804 （慕尼黑） 。
我很期待我们的联合项目。
写给我
Xpert.Digital - 康拉德德军总部
Xpert.Digital 是一个专注于数字化、机械工程、物流/内部物流和光伏的工业中心。
凭借我们的360°业务发展解决方案，我们为知名企业提供从新业务到售后的支持。
市场情报、营销、营销自动化、内容开发、公关、邮件活动、个性化社交媒体和潜在客户培育是我们数字工具的一部分。
您可以通过以下网址了解更多信息： www.xpert.digital - www.xpert.solar - www.xpert.plus
保持联系
