UiPath调查：企业智能体AI多数仍卡在试点，难点不在模型而在落地

UiPath在2026年9月发布的一项全球调查显示，大型企业的智能体AI已普遍走到概念验证（PoC）阶段，但距离成为可复制、可在全公司运行的能力，还有明显距离。UiPath将这种状态称为“试点炼狱”：最初的案例能够跑通，扩展部署和获得有意义的投资回报（ROI）却并不容易。418

这项由UiPath发起的调查覆盖近600名来自年营收至少10亿美元企业的高管及IT从业者。调查结论基于受访者自述，特别是ROI相关结果，应理解为受访者的实际感受，而非独立审计后的成效评估。不过，数据清晰指向了企业扩大部署时最常遇到的关卡：数据、集成和治理。

AI在用，但离“全面嵌入”仍有距离

在受访企业中：

• **31%**表示AI已全面嵌入业务；
• **35%**表示仅有限度使用AI；
• **11%**仍处于试点或实验阶段。3

这些比例不意味着其余企业都没有采用AI，而是说明：相比局部应用，将AI广泛纳入日常运营仍不常见。UiPath的核心发现是，许多企业已验证智能体部署的初始可行性，却难以将其扩展为规模化能力，并证明其能持续创造显著ROI。18

卡住规模化的三道坎

谈及优化智能体AI部署时的挑战，受访者最常提到：

• 数据质量与就绪度：38%；
• 与现有工作流和系统集成：37%；
• 治理与合规：33%。18

这也解释了为何一次成功演示不等于生产环境部署。试点可以只处理单一任务，面对少量用户，并且几乎不连接其他业务系统；但进入生产环境后，智能体必须适配企业原有的应用、团队分工、审批链路和控制机制。

TechTarget也指出，演示能够证明智能体可在受控条件下完成某项任务，却不能证明企业已解决反复、大范围使用所必需的数据质量、安全、工作流设计、价值衡量和运营模式问题。21

为什么“业务编排”成为关键

UiPath所说的业务编排，是一层协调机制：将业务流程中的人员、应用、数据、自动化工具和AI智能体组织为可管理的端到端流程，而不是彼此割裂的工具集合。UiPath自身的产品定位包括协调智能体、软件机器人、人员、应用和数据，以支持企业流程运行。14

通俗说，编排要解决的是：工作流下一步该做什么、由哪个系统或角色处理、何时需要人工复核，以及如何监控与治理整个过程。当智能体需要调用既有应用、经过权限管理和审批环节时，这一层尤为重要。

调查中，只有**29%**的受访者表示编排已全面嵌入工作流；在这一群体里，**89%**称其智能体AI实施达到了或超过ROI预期。5

这是一项值得关注的相关性，但不能据此断言编排必然带来ROI。编排成熟的企业，也可能同时拥有更可靠的数据基础、更清晰的场景选择或更完善的运营实践。更稳妥的解读是：编排似乎是与受访者所报告的部署成功相关的一组企业能力之一。

混合型工作流将成下一阶段重点

展望未来12个月，**36%**的受访者预计，智能体将在企业工作流中发挥重要作用。2

最受关注的应用方向是混合型工作流，占52%。这类流程将静态、可重复的步骤，与需要结合上下文动态处理的工作混合在一起。212

这很符合真实业务的复杂性。高价值流程往往既不是纯自动化，也不是纯人工：其中可能包含结构化交易、文档处理、异常处理、业务判断和审批。智能体AI可以参与其中，但要规模化，企业需要协调这些不同的工作模式，而不能把智能体仅仅当作一个独立的对话入口或单点工具。

从PoC走向企业能力，需要补齐什么

企业不应仅以“智能体能否完成测试任务”判断自身是否准备就绪。更关键的问题是：它能否稳定、可控地融入真实运营。

面向生产环境的部署，至少需要处理五件事：

1. 可信且可用的数据：智能体必须获得足够可靠、且可用于特定任务的信息。
2. 工作流与系统集成：智能体应进入现有应用、流程步骤和交接环节，而不是游离于业务流程之外。
3. 治理与责任归属：当AI参与运营工作时，企业需要相应的控制措施、可视性和明确责任人。
4. 混合流程设计：流程需要在适当位置结合确定性自动化、AI驱动步骤和人工决策。
5. 结果衡量机制：团队必须能够判断部署是否真正带来了业务成果，而非只展示出令人印象深刻的演示效果。

UiPath的调查并非说明智能体AI尚未进入大型企业，而是表明挑战已从“尝试是否可行”转向“如何运营化”。对希望摆脱试点阶段的企业来说，重点或许不再是增加一个孤立的智能体，而是建设让智能体能够作为端到端业务工作流中可问责组成部分运行的数据、集成、治理和协调能力。1821