Boomi研究发现：86%的企业已部署AI智能体，但仅有34%信任它们

 服务AI领域的数据激活公司Boomi今日宣布，由Forrester Consulting代表Boomi开展的一项最新研究表明：尽管企业正在迅速采用AI智能体，但信任度未能跟上雄心壮志的步伐。 

Forrester针对北美、欧洲和亚太地区的409名总监及以上级别IT及技术决策者的调查显示，86%的组织已经跨越了AI智能体的试点阶段，但仅有34%的受访者表示信任其AI智能体所采取的行动。在处于“智能体混乱”状态（即在治理、集成、API/MCP管理等类别的运营准备度方面排名后四分之一）的组织中，有77%仍在盲目推进生产部署，这使他们平均面临高达210万美元的额外成本风险，这些成本来自合规罚款、客户流失、运营中断以及返工。相比之下，具备“智能体可控”能力（即准备度排名前四分之一）的组织则审慎且自信得多：55%的组织表示对其智能体的行动和决策具有高度信心，而在“智能体混乱”组织中，这一比例仅为22%。

Boomi董事长兼首席执行官Steve Lucas表示：“这项研究证实了我们在各地观察到的现象：智能体AI的信任问题本质上是一个数据问题。只有当数据被正确地激活、连接和治理后，智能体才能被信任去执行操作，而大多数公司在完成这些基础工作之前就部署了智能体。那些率先完成这些工作的公司现在正在获得真正的价值。”

集成是建立信任的关键

研究指出，集成是区分信任与不信任智能体AI的企业之间最明显的界限。具备“智能体可控”能力的决策者认为“可靠且管理良好的API决定了是否开展用例试点”的概率，是处于“智能体混乱”状态决策者的三倍。在调查的所有方法中，集成平台即服务(iPaaS)的采用率差距最大：在具备“智能体可控”能力的组织中，有46%使用iPaaS来支持智能体工作流，而在处于“智能体混乱”状态的组织中，这一比例仅为25%。

在构建智能体本身方面，这种差距更为显著。在具备“智能体可控”能力的组织中，有86%认为用于构建AI智能体的iPaaS和API管理能力对其准备度至关重要，而在处于“智能体混乱”状态的组织中这一比例仅为58%：这是Forrester在整个研究中发现的最大差距。正如Forrester在研究中所述：“如果大语言模型(LLM)就像大脑，那么iPaaS产品就是赋予该大脑在物理世界中行动能力的肢体。”

具备“智能体可控”能力的领导者也更有可能优先考虑幕后的运营工作：47%的人将改善与工具、API和应用程序的集成列为首要关注领域，而在处于“混乱”状态的组织中这一比例为31%，他们仍然专注于改进AI模型本身，却未能建立执行其决策所需的连接。

同样的差距也体现在组织如何应对智能体蔓延的问题上。一些组织现在运行着多达200个智能体，这是Forrester所称的“概念验证/试点炼狱”的症状——由于这些智能体从未连接到执行决策所需的企业系统，导致对AI智能体的高期望陷入停滞。具备“智能体可控”能力的领导者更有可能防患于未然：46%的组织已建立了对MCP（一种允许智能体安全连接企业系统的标准）的集中治理，而在处于“混乱”状态的组织中这一比例为32%；48%的组织已将AI和集成团队整合在统一的运营模式之下，而在仍处于“混乱”状态的同行中，这一比例仅为37%。

回报

那些投资于强大集成层的组织正在看到回报。在具备“智能体可控”能力的组织中，59%报告其智能体AI部署带来了生产力提升，51%报告创新能力增强，46%获得了可应用于业务其他领域的可复用能力，45%实现了重复性任务的自动化。

Forrester建议，希望缩小信任差距的组织应将AI和集成团队整合在统一的运营模式之下，实施一个控制平面来治理AI智能体，并引入一个编排层以赋予智能体连接数据、应用程序以及彼此的能力。

点击此处下载完整研究报告《智能体AI准备度差距：来自正在将智能体试点扩展至生产环境的组织领导者的见解》，这是一份由Boomi委托的Forrester Consulting思想领导力报告。

其他资源

• 在我们的研究博客文章中获取更多洞察
• 聆听Boomi全球客户的心声
• 在X、LinkedIn、Facebook和YouTube上关注Boomi

关于Boomi

Boomi是服务AI领域的数据激活公司，通过在企业全域业务中盘活数据，为智能体驱动型企业提供支撑。Boomi企业平台是主动式的数据基础架构，可为推动智能体转型提供必要的智能体基础设施。通过将智能体设计和治理、API和MCP管理、集成和自动化以及数据管理统一整合至单一平台，Boomi使组织能够依托安全、可扩展的连接能力，充分释放AI的价值。Boomi得到了超过3万家客户的信任以及由800多家合作伙伴组成的网络的支持，帮助各种规模的组织实现规模化的敏捷性、效率和创新。 

由Boomi委托进行的独立研究发现，区分信任其AI智能体的企业和那些深陷“智能体混乱”企业的关键在于集成而非更智能的模型