近年来，AI 技术的焦点正经历一场静默但深刻的转变——从追求“类人交互”的 AI Agents 转向以任务分解与数据整合为核心的 Agentic Workflows。这一转变不仅折射出技术成熟度的现实考量，更揭示了企业对效率与价值的本质需求。
作者 Cobus Greyling 作为 Kore AI 的首席技术推广官，在 AI 领域具有深厚的专业背景。通过这篇文章「Why The Focus Has Shifted from AI Agents to Agentic Workflows」，他希望理清当前 AI 发展的关键转折点，并为企业在技术选择和实施路径上提供切实可行的指导。我们一起来看看对于文章的完整解读吧。
AI Agents 的困境：理想与现实的鸿沟
AI Agents 曾被寄予厚望，被视为实现“类人交互”的终极形态。然而，商业实践中的冰冷数据揭示了其局限性：
-
准确率不足：以 Claude AI Agent 为例，其任务完成成功率仅为 14%，远低于人类的 72.4%（OSWorld 基准）。即使 OpenAI Operator 将准确率提升至 30-50%，仍无法满足企业对生产级稳定性的要求。
-
安全与成本挑战：Web 浏览型 Agent 易受恶意弹窗攻击，而通过操作系统 GUI 构建通用接口（如 Anthropic MCP 方案）则面临开发复杂性与 API 缺失的掣肘。
正如 Cobus Greyling 所言：“若穿透营销泡沫，AI Agents 的原型虽惊艳，却尚未准备好进入生产环境。”企业逐渐意识到，单一 Agent 难以独立承担复杂任务，而过度依赖其“拟人化”特性可能带来不可控风险。
Agentic Workflows：从“拟人”到“增效”的范式升级
Agentic Workflows 的核心理念在于任务分解（Task Decomposition）与数据合成（Data Synthesis）。它摒弃了对“类人行为”的执念，转而通过结构化流程提升效率：
-
复杂任务的模块化：例如，用户指令“调整会议时间并汇总明日任务”可分解为四个子步骤：会议改期、任务检索、摘要生成、邮件发送。每个步骤均支持人工监督与流程修正，确保可控性。
-
跨源数据整合：现代知识工作者平均耗费 30% 时间检索信息。Agentic Workflows 通过调用多源数据（文档、API、实时网络）并合成个性化答案，直接解决“信息过载”痛点。
这一模式的技术实现依赖于两大创新：
-
推理引擎的进化：如 ChatGPT 的 “Deep Research” 功能，通过多步骤网络检索与数据合成，将耗时数小时的人类工作压缩至数十分钟。
-
框架化工具生态：LlamaIndex 提出的 “Agentic RAG” 概念，强调为“单一受众”动态合成实时数据，标志着从静态检索到动态工作流的跃迁。
技术阶梯：从语言模型到工作流编排的演进路径
Cobus Greyling 在文章中提出的 “Stairway to human-like interactions” 模型，清晰勾勒了这一演进路径：
-
基础层（Basic）：以 LLM 为核心，实现上下文理解与基础生成。
-
中间层（Intermediate）：GenAI 应用聚焦条件数据生成（如创意文案）与场景化理解。
-
高级层（Advanced）：AI Agents 尝试模拟人类交互，而 Agentic Workflows 则通过数据合成与推理解决问题，成为当前技术落地的更优解。
这一阶梯模型揭示了一个关键趋势：技术价值不再取决于“拟人程度”，而在于能否系统性提升生产力。例如，Salesforce 等企业从 AI Agents 向 Workflows 的“硬性转向”，正是基于对投资回报率的务实考量。
未来展望：桌面级编排与行业重构
Agentic Workflows 的下一阶段将聚焦桌面级任务编排（Desktop Orchestration），即整合本地文件、云端数据与实时信息流，为知识工作者提供端到端的自动化支持。其潜在影响包括：
-
工具范式革新：传统“单点功能型工具”将让位于可组合、可观测的工作流平台。
-
行业解决方案差异化：垂直领域（如法律、医疗）可通过定制化 Workflows 实现专业知识与 AI 的深度耦合。
正如文中所言：“真正的创新不在于掌握最新技术，而在于用其解决真实业务挑战。”当技术焦点从“炫技”回归“增效”，Agentic Workflows 或将成为企业智能化转型的核心基础设施。
结语：价值优先的技术理性
AI Agents 与 Agentic Workflows 的此消彼长，本质是技术理想主义向商业理性的回归。当企业意识到“70% 的人类基准准确率”短期内难以逾越时，选择通过结构化工作流弥补技术短板，无疑是更务实的路径。这种转变不仅关乎技术路线，更映射出一个深层逻辑：在 AI 时代，可持续的价值创造永远始于对真实需求的洞察，而非对技术噱头的追逐。
延伸思考：若 Agentic Workflows 成为主流，人类在流程中的角色将如何演变？是彻底退居为监督者，还是与 AI 形成更紧密的共生关系？这一问题或许将定义下一代人机协作的终极形态。