根据 麦肯锡的研究，全球 78% 的组织已将 AI 整合到至少一个业务职能中。同样，毕马威的一项研究预测，到 2027 年，美国 99% 的企业财务职能将在其财务报告流程中使用 AI。
但在这些令人印象深刻的采用率表面之下，隐藏着一个发人深省的真相。最近的一项 MIT 研究发现，95% 的生成式 AI 试点未能带来可衡量的业务影响。
实验与真正转型之间的鸿沟正在扩大。而下一波浪潮——AI 智能体只会加深这种鸿沟，除非我们彻底重新思考构建和交付 AI 产品的方式。
代理式AI：企业技术的“互联网时刻”
代理式AI指的是那些不仅生成内容，而且能够在既定边界内自主学习、记忆和行动的系统。德勤2024 年估计，使用生成式 AI 的公司中，有四分之一在 2025 年试点 AI 智能体系统，预计到 2027 年，这一数字将翻一番。
对于企业团队而言，这一转变的意义可能像互联网的出现一样深远。代理式AI将重塑工作的完成方式——不再依赖静态界面或线性工作流程，而是通过跨生态系统的动态、非同步的协同配合。
应用程序编程接口 (APIs)——允许软件系统通信和交换数据的机制——将成为产品本身。它们是使 AI 智能体系统能够与工具交互、触发行动并实时检索上下文的核心连接纽带。
因此，一个产品的成功将越来越取决于其能力，即不仅要理解用户遵循的工作流程，还要理解用户日常遇到的工具、流程和数据流的整个生态系统。
为什么大多数 AI 工具会失败，以及必须改变什么
上面引用的同一项 MIT 研究发现，核心问题不是模型质量、监管或基础设施。根本在于学习差距：即 AI 系统无法保留反馈、适应上下文或随时间推移而改进。
接受 MIT 调查的企业 AI 用户称赞像 ChatGPT 和 Copilot 这样的消费级工具具有灵活性和即时效用。然而，他们绝大多数拒绝定制的或供应商推销的 AI 工具，将其描述为缺乏弹性、设计过度复杂且与实际工作流程不一致。
这就是为什么那些成功交付“成功的” GenAI 和代理式AI的供应商不会构建通用工具。他们会将自己内嵌到工作流程中，适应具体情境，并从狭窄但高价值的立足点扩展。这些 AI 系统之所以成功，是因为它们持续学习、整合并进化。
对产品领导者的新要求
在一个 代理世界中：
• 我们所知的产品将消失。
• 用户界面将融入编排层中。
• 设计将越来越成为持续迭代、基于场景和沙盒式的。
一个功能故障可能只是造成不便，但一个自主 AI 智能体产生不准确的结果会带来更大的风险，并需要更高的监督标准。
风险更高，责任也更大。为了履行这一责任，治理和防护机制必须从一开始就嵌入到产品中。路线图应保持持续迭代，随着 AI 智能体的运行和新经验的出现而发展。最后，发布周期需要加速，以支持持续调整并跟上风险。
产品开发团队必须停止仅仅解决用户痛点，而开始解决自主性问题，明确识别一个代理可以独立完成多少工作，以及何时需要人工干预。软件操作方式的透明度也将变得越来越重要，以建立信任。
最重要的是，产品开发者必须从思考产品功能转向思考系统行为：即工作是如何完成的，数据在哪里流动，以及 AI 智能体如何在生态系统内交互。
成功是什么样子？
MIT 研究表明，内部构建 AI 工具的公司失败的频率是与外部供应商合作的公司的两倍。然而，MIT 调查还发现，在选择 GenAI 产品时，成功使用 AI 的高管们会优先考虑针对特定流程的定制。
我认为大多数高管实际需要的是可配置性，而不是定制化。过度定制的解决方案通常会减慢产品更新，使 API 集成复杂化并限制可扩展性。最有可能成功跨越 GenAI 鸿沟的 AI 解决方案将：
• 是可配置的。设计有灵活的架构，支持快速迭代、无缝集成和跨环境的适应性，避免过度定制带来的僵化。
• 是为生态系统而构建，而不仅仅是工作流程。由深入融入客户运营，并清楚理解工作如何完成的供应商开发。
• 以去中心化模型实施。持续分散 GenAI 实施的权限，同时保持集中问责制的组织将实现更高的采用率和更快的部署。
• 交付清晰的资回报率（ROI）。在 AI 智能体时代，AI 的持续投资取决于透明度和可衡量的影响。企业将投资于能够明确证明降低成本、提高生产力并交付可见、可解释和一致结果的 AI 智能体。
你不再仅仅对产品做什么负责，而对产品如何学习、行动和治理负责。
本文转载编译自https://www.forbes.com/｜原文地址：https://www.forbes.com/councils/forbestechcouncil/2025/10/15/crossing-the-genai-divide-why-agentic-ai-demands-a-new-product-mindset/｜（编译：Katerina）