0 前言

近来，生成式 AI 因能输出从洞察、战略到代码等各种成果而频频登上头条。但当企业逐渐将关注点从“输出”转向“结果”时，一种更具变革性的技术正悄然兴起：主动式 AI（Agentic AI）。

主动式 AI 不仅仅是处理信息，而是能够付诸行动。这种自主系统被设计用来追求目标、做出决策、在真实环境中感知并行动，并能在极少监督下实时适应。它不需要等待提示，而是能够独立运作，跨越复杂工作流程，不仅能产出洞察，还能推动执行。

企业又该如何从“试验”走向“落地”，真正应用主动式 AI。是什么让主动式 AI 与众不同，为什么它正在快速普及，以及它在真实场景中如何带来切实的成果。

1 主动式 AI 有何不同？

主动式 AI标志着从“被动响应型工具”向“带有意图的系统”的转变。它的价值不在于更快地生成答案，而在于它能独立行动，为既定结果服务。

以目标为导向

与基于提示实时互动的聊天机器人不同，主动式 AI 会以既定目标为导向，自行选择最佳路径。它能自主评估、规划并执行任务。

端到端执行

主动式 AI 不会在单一查询处止步。它能处理多步骤的工作流，管理依赖关系并实时调整，即使流程没有完全定义清楚，也能有效推进。

在不确定中前行

基于生成式 AI 的能力，主动式 AI 能在复杂、不确定的环境中运作。它能理解模糊的指令、调和冲突的数据并为任务排序，从而减轻人工决策的负担。

2 为什么主动式 AI 爆火？

主动式 AI 之所以受到青睐，是因为它能在关键环节带来可量化的成果：

  • 更快的洞察： 以秒级速度处理海量数据，让决策从“事后分析”转向“预测驱动”。
  • 运营效率提升： 自动化工作流和重复任务，降低时间和成本。
  • 员工生产力提高： 释放员工，让他们从低价值工作转向更具创新和客户价值的任务。
  • 创造新价值： 主动式 AI 能结合企业内外部数据，发现潜在关系并付诸行动，挖掘出传统流程可能忽视的机会。

这些并非停留在理论上的好处，下面我们就来看一些真实的落地案例。

3 案例

3.1 加速 Bayer 的药物研发

Bayer将主动式 AI 引入研发流程，成果显著：AI 助理能在几秒内筛选数千份临床前研究报告，找出有价值的洞察。

过去，数据科学家需要花费数天撰写并执行 SQL 查询才能得到同样的答案。如今，决策更快，重复劳动更少，试验成本降低，最终惠及患者。 Bayer 安全与药理学 IT 负责人 Jonas Münch 表示：“我们的主动式 AI 系统就像辅助记忆，能更快更准地调取信息，支持数据驱动的决策。”

3.2 用多智能体系统自动化报告生成

我们最成功的落地方案之一是多智能体协作。单个智能体能完成任务，但智能体系统能协同完成复杂工作。

一个典型的流程如下：

  • 智能体 1： 从数千份历史报告中提取数据
  • 智能体 2： 将数据整合，生成面向特定受众或符合监管要求的报告
  • 智能体 3： 审核内容，验证准确性并标注不一致之处

结果：报告生成时间大幅缩短，质量提升，科学家能专注于更高价值的研究。

3.3 改进企业内部的知识型工作

在很多公司，高技能员工往往耗费大量时间在重复但必要的任务上，如查找内部数据、排版文档或编制状态报告。

主动式 AI 能自动化这些幕后流程，例如：

  • 信息发现和汇总更高效，智能体能跨系统检索、分类并组织数据；
  • 基于权限的访问确保敏感数据只对授权用户开放。在PEXA项目采用这种方式，在降低风险的同时提高了响应速度。

结果： 团队对 AI 工具的信任度更高，人工错误更少，能将更多精力投入客户服务、战略规划和创新。

3.4 提升呼叫中心效率

主动式 AI 也在重塑客户服务。无论是处理密码重置等常规问题，还是提供个性化解决方案，AI 智能体都能为呼叫中心提供有力支持。这不仅简化了运营，还让客服人员能够优先处理复杂问题，从而提升效率和客户满意度。

4 风险与应对方式

和所有颠覆性技术一样，主动式 AI 也伴随着风险：

  • 集成成本： 定制和部署智能体并不便宜，应优先投资 ROI 明确的应用场景。
  • 数据隐私： 必须建立强有力的数据治理机制，权限控制和加密是基础。
  • 决策透明度不足： 多步骤的决策过程若不透明，可能会削弱信任。
  • 标准仍在演进： 虽然 MCP 等协议已被广泛应用于标准化上下文检索和工具使用，但跨环境智能体协作的协议（如 Google 在 2025 年 4 月发布的 A2A）仍在发展，未来可能需要调整。
  • 人机协作平衡难： 人类监督过多会造成瓶颈，过少又可能带来高昂或不道德的代价。

应对之道：从小规模试点开始，尽早验证，逐步扩展，并定期复盘。

5 如何开始应用主动式 AI？

对想要引入主动式 AI 的领导者，我们的建议是：

  • 以业务价值为导向 聚焦在能带来实际成效的环节，如简化流程、加速决策或改善客户体验，而不是盲目追逐概念。
  • 提升团队的 AI 素养 让利益相关方了解主动式 AI 的能力与局限，为高效的人机协作打下基础。
  • 在自动化前先梳理流程 明确现有工作流与价值链，识别痛点和低效环节，找出主动式 AI 能真正发挥作用的地方。
  • 在低风险场景中试验 选择内部流程、下游影响有限的领域作为测试场，允许团队安全地尝试、失败和学习。
  • 结合自动化与专业知识 人类监督尤其重要，特别是在涉及复杂决策时。
  • 持续迭代优化 通过试点和反馈循环完善系统，再逐步推广。
  • 为变化做好准备 技术和协议标准不断演进，系统架构应保持灵活，以便快速适应。

6 主动式 AI 的价值实现

我们已经亲眼见证主动式 AI 如何弥合“洞察”与“行动”之间的鸿沟。无论是加速研究、简化报告生成，还是让决策更有把握，价值都已得到切实验证。

这并不是要取代人，而是赋能团队，让他们能更快行动、更聪明思考，把精力集中在最重要的事情上。