Eye On A.I.第333期：80%企业AI试点死在半路？量产落地的3个核心逻辑

绝大多数企业的智能体AI试点，都死在了从POC到量产的半路上。据播客嘉宾Adi Kuruganti统计，至少80%的企业智能体项目，都卡在了从实验室到生产环境的转化环节。

这是播客《Eye On A.I.》第333期的内容，本期嘉宾Adi Kuruganti是自动化平台巨头Automation Anywhere的首席AI与发展官，拥有15年Salesforce从业经验，在企业自动化领域深耕超过20年。这期对话将帮你理清智能体AI与传统RPA的正确结合方式、避开POC到量产的常见坑、掌握企业级AI治理的核心要求，以及看懂头部自动化厂商的技术布局逻辑。

80%的落地坑，都栽在“为技术而技术”

很多企业对智能体AI抱有极高期待，但真正能落地量产的项目寥寥无几。Adi Kuruganti指出，最大的失败根源在于把技术当成了目的，而非解决业务问题的工具。

不少企业的POC项目，往往只为展示技术能力而非聚焦具体业务痛点：花几周搭建出看起来很酷的演示，却完全没考虑生产环境的合规、集成和运维成本。Adi直言：“我们见过太多企业，花了几周做了一个惊艳的POC，但最后连10个用户都没法覆盖，因为他们根本没考虑过生产环境的合规、集成和运维成本。”

这番话戳中了很多企业的通病——把试点做成了技术秀，而非解决实际业务问题的试错。很多企业还会混淆智能体AI和传统自动化的边界，误以为智能体可以替代所有自动化流程，这也是落地失败的重要原因。

别迷信智能体：80%核心流程要靠确定性自动化

作为从传统RPA赛道起家的企业，Automation Anywhere如今提出了智能体流程自动化（APA）新品类，将传统确定性自动化与智能体AI结合，覆盖订单管理、医疗合规、反洗钱等核心业务场景。

Adi Kuruganti明确反对“智能体AI替代传统RPA”的单一思路，他认为关键任务流程必须结合确定性自动化与认知型智能体AI。当前行业的合理比例大约是80%的确定性自动化，搭配20%的智能体AI辅助。未来这个比例会向智能体倾斜，但长期来看，两者缺一不可。

他解释道：“智能体AI可以处理认知类、非结构化的任务，比如整理客户反馈、分析合规文档，但它没法替代确定性的、有明确规则的流程自动化，比如批量转账、数据录入。”

这纠正了很多企业“智能体万能”的误区，也解释了Automation Anywhere推出APA品类的底层逻辑。举个金融行业的例子，汽车贷款申请流程中，智能体可以完成客户资质审核、信用报告分析，生成初步审批建议——也就是行业常说的“人在回路”模式，最终的审批决策必须由人工完成，后续的系统对接、放款操作则由确定性自动化流程执行。这才是真正的企业级落地模式。

技术底座的核心：用真实运行数据解决AI幻觉

Automation Anywhere的核心技术栈，围绕两大引擎展开：Mozart编排引擎和流程推理引擎。

Mozart编排引擎是智能体流程自动化的中枢，可以跨任意应用、系统编排端到端流程，支持嵌入确定性步骤、智能体调用和人工干预节点。目前平台每日运行超4亿个流程，积累了海量的运行元数据。

Adi提到：“我们的Process Reasoning Engine不是凭空训练模型，而是基于客户实际运行的4亿多个流程的元数据，针对每个场景微调，这样才能真正解决AI幻觉的问题”。

不同于通用大模型依赖公开训练数据，依托客户真实业务数据训练的引擎，能更好适配企业的专属场景，从根源上降低AI幻觉的风险。流程推理引擎还可以结合客户专属的业务数据、系统记录和知识图谱，实现自我反思和优化，不断提升智能体的执行准确率。此外，Gen Z Recorder还能大幅降低传统RPA的开发门槛，让非技术人员也能搭建自动化流程。

从POC到量产：3步走完从演示到规模化的全流程

很多企业不知道如何从POC过渡到量产，Adi Kuruganti分享了Automation Anywhere的标准化落地流程。

首先是商业价值对齐，企业需要联合业务线负责人，确定2-3个优先级最高的核心用例，而非盲目尝试多个技术项目。这一步的核心是避免“为技术而技术”，确保每个项目都能带来明确的业务成果。

其次是全流程的治理与合规，企业级AI落地的第一个问题永远是合规，而不是技术。所有的智能体流程都需要完整的审计日志、敏感数据脱敏和合规审批流程，确保符合监管要求。

最后是员工能力建设，企业需要为技术团队和非技术业务人员提供动手培训，降低智能体工具的使用门槛，让员工能够快速适应新的工作模式。

你有没有遇到过类似的落地困境？比如POC看起来不错，但没法扩展到全公司？

生态布局与行业未来：离完全自治企业还有3-5年

Automation Anywhere的布局不仅限于自身技术，还包括广泛的生态合作。

Adi透露，公司与OpenAI、Anthropic、AWS等前沿AI厂商建立了深度合作，提前试用前沿技术并筛选适配企业关键场景的方案。近期与OpenAI推出的联合解决方案，将在5月的Imagine大会上公布。

此外，公司还与全球顶级系统集成商、业务流程外包服务商合作，为客户提供规模化的实施服务，而非自建全服务团队。

关于未来的自治企业，Adi认为，我们离完全自治的企业还有3到5年，但很多企业已经错过了第一轮的布局窗口。当前企业仍处于部门级试点阶段，全面落地需要技术成熟度提升、治理框架完善、企业风险接受度提升和组织变革管理。

结语

本期《Eye On A.I.》的对话，拆解了企业智能体AI落地的核心逻辑：从业务成果出发，结合确定性自动化与智能体AI，重视治理与合规，才能真正实现量产。

对于企业管理者来说，不必盲目追逐智能体AI的噱头，而是要从自身的业务痛点出发，选择适合的落地路径；对于技术从业者来说，需要理解智能体AI的边界，避免陷入技术至上的误区。

本文适合企业CIO、IT负责人、业务线管理者，以及对企业AI落地感兴趣的从业者阅读。

觉得有收获，欢迎点赞、在看或转发给朋友。