噱头大于实效？企业智能体深陷“落地鸡肋”争议漩涡

2025年，企业智能体曾是AIToB领域最炙手可热的赛道，资本蜂拥而入，不少巨头将其列为数字化转型的核心战略，行业普遍认为它将重构企业的生产协作模式。然而仅仅过去半年多时间，这个曾被寄予厚望的领域，却陷入了“噱头大于实效”的争议漩涡，成为老板眼中“不顶用的成本包袱”和员工口中“纯忽悠的鸡肋工具”。

最受诟病的莫过于所谓的“Agentic Workflow”（智能工作流）。许多供应商宣称这是能实现自主决策的智能协作体系，可将企业运营效率提升40%以上，但实际落地却大打折扣。据某传统制造业企业IT负责人透露，他们花费近百万元引入的这套系统，本质只是用简单的For循环调用第三方API，将原本手动完成的报销、审批等步骤串联起来，没有任何自主判断能力。面对异常报销单，系统只会机械弹出预设提示，无法结合历史数据或业务规则给出合理建议，最终仍需人工介入，实际效率提升不到10%。行业调研数据显示，近七成标榜“Agentic Workflow”的项目，都只是基础的流程自动化，未触及智能决策的核心。

而另一个被炒得火热的“多AI Agent协作”，则被从业者戏称为“金鱼记忆大会”。不少企业宣传自己的智能体集群能模拟人类团队协作，分工完成市场分析、方案撰写等复杂任务，但实际操作中，每个AI都存在上下文记忆短的问题，不同智能体间的信息无法有效同步，经常出现各说各话、方案前后矛盾的情况。某互联网公司市场部门曾用AI Agent集群做竞品分析，输出的报告里同一个竞品的用户规模数据出现三个不同版本，还把已退市产品列为当前竞争对手，最后不得不抽调三名员工花两天时间重新整理，反而增加了团队工作量。有员工无奈吐槽：“与其让这些AI开会扯皮，还不如我们自己加班写报告来得靠谱。”

企业智能体之所以陷入如此尴尬的境地，背后是多重因素交织的结果。从技术层面看，当前大模型的长时记忆能力、多智能体间的协同逻辑还处于初级阶段，真正能实现自主规划、动态协作的智能体技术尚未成熟，多数厂商只能停留在概念包装层面。而市场端的浮躁情绪更是推波助澜：不少创业公司为拿到融资刻意夸大技术能力，制造概念噱头；部分企业决策者出于“不落后于同行”的焦虑，盲目跟风布局，忽略自身实际业务需求，导致项目从一开始就偏离了创造价值的轨道。

这种“泡沫化”的发展态势，正在引发行业的集体反思。越来越多的企业开始冷静下来，不再追求“高大上”的智能体概念，转而聚焦小而精的场景落地。比如某制造企业放弃全流程智能体项目，转而打造生产线上的质量检测智能体，通过训练专门的小模型，实现对产品缺陷的快速识别，准确率提升到95%以上，每年为企业节省近200万元质检成本。一些务实的供应商也调整策略，不再强调“全栈智能体”，而是针对企业具体痛点提供模块化解决方案，让智能体技术真正服务于业务效率提升。

不可否认，企业智能体依然是未来企业数字化转型的重要方向，其潜力值得期待。但要摆脱当前的争议漩涡，行业必须回归“技术服务实际需求”的本质：厂商需要沉下心打磨技术，突破长时记忆、协同决策等核心瓶颈；企业要理性评估自身需求，拒绝概念炒作；资本也应给予技术落地更多耐心，而非追逐短期概念热点。只有这样，企业智能体才能从“鸡肋”变身为真正为企业创造价值的核心工具，推动整个AIToB行业走上健康发展的道路。