Gartner曲线变天：工厂AI智能体搭建，正在从选择题变成必答题

8月27日，Gartner发布了2026年中国数据、分析和人工智能技术成熟度曲线。这份报告在大众层面没怎么刷屏，但里面有个判断，开工厂的老板值得认真看一看：代理型AI，也就是大家常说的智能体，已经越过生成式AI，爬到了期望膨胀期的顶点，成为企业关注的头号焦点；而去年还火得一塌糊涂的生成式AI，反而滑进了泡沫破裂的低谷。

说人话就是，前两年企业用AI，主要是让它写文案、做PPT、画图、回答问题，本质上是个聊天工具；现在风向变了，企业真正想要的，是能自己动手干活的AI。客户咨询它自己接，询盘它自己初筛，报价规则它自己套，流程它自己跑到底。Gartner把这个变化概括成一句话：AI的角色正在从对话者变成开放式的执行者。

这个转变的速度，比多数人感觉的要快。Gartner预测，到2026年底，40%的企业应用会集成AI智能体，而2025年初这个数字还不到5%。一年时间，从5%到40%。报告同时提到国家层面的目标：到2030年，智能终端、智能体这类应用的普及率要超过90%。

这不是远在天边的趋势。我最近接触的工厂老板里，已经有人被客户当面问你们有没有AI客服，也有业务员发现，大客户的采购现在直接在DeepSeek、豆包上提问，让AI推荐几家做某类产品的工厂，然后照着名单去联系。名单里有没有你，取决于你的信息有没有被AI看到；客户点进来之后能不能被接住，取决于你有没有一个能干活的智能体。

不过，这份报告一半是鼓劲，另一半是泼冷水。

Gartner同时预测，眼下正在推进的代理型AI项目，超过40%熬不过2027年。失败的原因不是模型不够聪明，而是三本账没算清：投入产出算不清，成本控不住，风险管理没跟上。报告还专门点了一种模式，叫前沿部署工程师，就是供应商派高价团队驻场，搞一次性的大项目。Gartner的评价很不客气：这种模式成本高、回报不确定、回本周期长，在中国市场尤其容易走样，不少供应商把普通驻场工程师重新包装一下就当高端角色卖，项目上线那天，往往就是系统停止进化的那天，后面再没人管。

报告里还有一个判断，我认为对工厂最值钱：AI项目的成败，越来越不取决于模型本身，而取决于数据就绪度、治理机制、工程化能力这些基础活。那些优先把数据底座打牢的企业，拿到的业务价值至少是同行的两倍。

翻译成工厂老板听得懂的话，就是三句。

第一句，别一上来就搞全厂AI大脑。智能体不是买一套软件就万事大吉，它更像招一个数字员工，得先让它把一个岗位的活干好。工厂里最适合第一个上岗的岗位，是客户接待和询盘初筛。7乘24小时在线，产品参数、起订量、标准交期、常见问题对答如流，把标准化的咨询全接住，遇到要议价、要定制、要拍板的，再转给业务员。行业基准数据里，客服类智能体的中位回本周期是4.1个月，所有场景里最快。公开报道中，宁德时代用预测性维护智能体实时盯设备振动和温度，故障率下降82%，一年省两千多万；有汽车零部件厂上了采购、物流、库存多智能体协同，供应链响应从72小时压到8小时，库存周转效率提升47%。举这些例子不是让你照抄，是告诉你这件事的账算得过来。

第二句，先把家底盘清楚，再谈智能体。你的产品参数是不是还散落在PDF和业务员的微信聊天记录里？报价规则是不是只存在老销售的脑子里？客户问得最多的二十个问题，有没有标准答案？这些东西整理不出来，智能体就是无米之炊；整理出来了，它就是你厂里最忠诚、永远不会离职的那个业务员。Gartner说的数据就绪度，落到工厂车间里，就是这件事。

第三句，找对带路的人，比选对工具重要。现在市面上的工具大同小异，真正稀缺的是既懂工厂业务流程、又懂智能体怎么搭的人。靠谱的做法是从一个最痛的点切进去，小步跑通，把账算给你看，再一个岗位一个岗位地扩。那种一见面就讲宏大蓝图、承诺三个月全厂智能化的，反而要警惕。Gartner报告里那40%的失败率，基本都是这么来的。

这段时间我在西南的制造企业里做工厂AI智能体搭建，最深的感受是，老板们不缺认知，缺的是有人帮他把第一步迈稳。具体的落地路径、选型清单和真实案例，我都整理在自己的官网 xuweihu.com 上，动手之前可以先去看看。

风向确实变了。去年你问AI，它给你一段文字；今年你问AI，它直接把活干完。工厂和工厂之间的差距，往往就是在这种风向切换的一两年里悄悄拉开的。