随着企业迈向代理式AI，领导者问一个迫切问题：谁将跨业务构建、部署、运营AI代理？2025年《代理式自动化专业人员现状报告》指向一个清晰且常被低估的资产，已存在许多组织内部：自动化专业人员。这些人理解业务流程、紧密协作企业系统、已将AI集成进日常开发工作。他们的经验给高管提供落地视角，展示AI赋能劳动力如何形成、代理式能力如何开始成型。基于UiPath社区1,423名专业人员和学生响应，今年报告强调四大对组织准备代理式自动化至关重要的洞察。1. 自动化专业人员正扩展进代理式自动化角色今年报告显著发现是自动化专业人员工作范围扩大。曾聚焦任务型自动化，现包括设计多代理工作流、跨流程协调推理决策、集

随着代理式AI增强测试人员，我看到测试人员开始向价值链上游移动：他们花更多时间思考应测什么和为什么，而非仅如何。我看到他们更多推理系统、用户、风险，而非倾注时间自动化重复检查。简而言之，有了代理式AI，精力从“如何”转向“是什么”和“为什么”——更高价值的思考工作。映射到简单模型，该转变大致如下：以下是我对该转变中最大的“是什么”和“为什么”的几点观察——以及为什么我对此鼓励且真诚乐观。AI降低测试中自动化成本自动化测试机械部分变得越来越容易——无论意味着自动化手动重复检查、生成测试数据、还是在测试结果中寻找模式。这是我最喜欢AI在测试中方面。非因为自动化机械变便宜，而是因为更重要的事发生：测

你可能进入2026时想：“好吧，这终于能让AI真正为我业务工作的年份。”然而，随着AI代理崛起和AI创新前所未有加速，跟上变得更难。你不孤单。许多企业仍在摸索如何以真正规模化并交付可衡量业务影响的方式采用代理式AI。Accenture和Wipro近期研究显示，70-80%的代理式举措未达企业规模。但这不阻止组织推进。据NTT Inc.和WSJ Intelligence，68%全球CEO计划未来两年增加AI投资。好消息是代理式AI成功非遥不可及愿景。UiPath客户如Pearson、Allegis Global Solutions、SunExpress已见有意义成果。且有具体行动可今天采取，为2

随着代理式自动化势头增强，组织越来越多地询问智能文档处理（IDP）在代理式世界中的定位，以及AI代理能否简单取代它。简短回答：不能。但更有趣的回答是为什么。由大语言模型（LLM）驱动的AI代理能流畅读取文本、总结文档、回答问题。但企业级代理式自动化依赖的不仅是语言理解。它要求速度、准确性、结构、可追溯性、跨大量文档和通信的一致性。透过这个镜头，IDP的角色变得清晰。它未被取代。它在进化。LLM和代理不移除文档处理需求；它们提高了文档处理的标准。随着组织从自动化单个任务转向驱动端到端流程结果，可靠解读文档的能力变得更关键——治理和控制该解读如何发生的能力亦然。本文将探讨代理式文档处理方法实践样貌

过去一年，我与同行首席信息安全官（CISO）的几乎每次对话都围绕同一张力：如何将代理式AI引入企业而不增加风险？最近，UiPath联合创始人兼CEO Daniel Dines写道：“企业想要AI代理和自动化的速度与智能，但绝不以安全或控制为代价。”这一观察映照出我从跨行业安全领导者处听到的声音。问题不再是代理是否将在企业内运行。2025年已回答。真正问题是：我们是否以迁移关键工作负载到云时同样严谨来治理它们？自主性拐点不久前，我们的安全模型假设软件遵循指令。现在，它做决策。2025年，代理式AI从实验走向运营部署。自主系统在委托权限下跨企业环境规划并执行行动。对CISO而言，这不是另一个工具周

AI代理正从演示走向触及真实数据、真实系统、真实业务成果的生产工作负载。根据G2 2025年AI代理洞察报告，57%的公司已有AI代理在生产运行，明确信号表明这不再是实验。然而，生产部署带来新类运营负担：工具访问控制、可审计性、漂移检测、失控成本预防。这一转变要求IT和技术领导者建立新运营纪律。AgentOps（代理运营简写）是管理AI代理在生产中完整生命周期的新兴实践集。它将DevOps和MLOps原则延伸至代理系统，聚焦可靠性、治理、透明度、安全性、成本控制。与传统软件运营不同，AgentOps必须应对非确定性行为、自主工具使用、上下文依赖推理。这些是传统监控无法解决的挑战，已在新研究中得

模型性能进步（如Claude Opus 4.6的混合推理和百万token上下文窗口）及代理框架设计进展（规划工具、文件系统使用、技能、护栏）意味着以前超出AI代理范围的业务关键流程，现已可在生产中落地。但仅靠模型增益不够。将其与能维持上下文、智能管理工具、调整计划的高级代理运行时配对，才能为跨系统、历时数小时或数天的复杂工作流解锁企业级可靠性。直到最近，大多数代理符合我们现在称之为标准代理，你可能见过类似方法被称为“浅层代理”、“代理1.0”或“工具调用代理”。实践中，标准AI代理实现ReAct风格循环：模型迭代think→act（工具调用）→observe，基于累积步骤完整历史选择下一行动。

AI正在改变软件交付动态。代码创建更快、变更更频繁、推向日益复杂的应用景观。这一转变给质量团队提出新问题：如何在不失控的情况下跟上步伐？当今测试中的许多AI能力有助于加速单个任务。它们能生成测试、总结结果、协助自动化创建。这些收益很重要。但测试的下一代可能由组织跨企业运营化AI的有效性定义，而非孤立的AI功能。这就是代理式软件测试的起点。代理式测试需要的不仅是嵌入现有工具的AI。它需要一个企业基础，能利用跨生命周期的内置代理，支持针对特定环境定制的代理，编排跨人员和系统的工作，应用带正确护栏的治理，并在生产中可靠扩展。这不仅仅是更快跑完流水线。它是帮助团队做出更好的发布决策、更早识别有意义的产

企业领导者过去两年一直在为代理式AI构建商业论证。概念验证。试点。令人印象深刻的内部演示。其中许多工作很有希望。但我持续从客户处听到：一个能跑通的AI试点与在生产中运行的流程之间的鸿沟，比任何人预期的都宽。技术不是问题。挑战在于让AI在真正运行业务的复杂、高风险流程中可靠运行。客户不只是想要平台。他们想要结果。即使有很棒的工具，从头构建端到端代理式流程也需要时间、领域专业知识、以及大量精力去实施、评估、控制结果以确保可预测性。模式是已知的。流程虽复杂动态，但可重复。缺失的是从平台能力到业务结果的更快、更安全路径。这就是为什么在2026代理式AI峰会上，我们推出UiPath Solutions—

性能测试存在品牌认知问题。不知从何时起，性能测试成了专家的领地——那些谈论百分位、调优线程池、在上线前两周才介入的人。那种模式曾经有效。现在不再适用。现代应用跨越遗留系统、API、AI服务、UI层、第三方集成。它们每周甚至每天都在演变。客户期望一切即时响应。缓慢就是新的停机。性能测试不能再停留在周期末端。它不能只属于一小群专家。它必须成为共享能力。为什么性能测试感觉如此困难团队不做性能测试不是因为不在乎。他们跳过它是因为流程太繁重。传统测试往往依赖单独工具、定制脚本、专用基础设施、小众专业知识。它在发布周期晚期运行，时间紧、修复贵、风险容忍度低。等结果出来，截止日期已迫在眉睫，选项有限，开发或

受严格监管的行业正努力摆脱代理式AI试点陷阱。例如，尽管78%的财产与意外险保险公司采用了最新AI，但只有4%在理赔运营中大规模应用，仅27%尝试了端到端理赔转型。理赔本应是AI创造最大价值的领域，却几乎所有人都停留在概念验证阶段。当今AI驱动的编码工具让人人感觉像构建者，企业鼓励团队用最新AI助手原型开发。然而，虽然许多小规模个人生产力试点成功，但用AI转型即使是事务性流程也非常困难。将AI嵌入最关键、最复杂的流程不仅仅是编码挑战——它是信任、一致性和合规性的挑战。这正是许多领先企业今天挣扎的地方。本文将阐述代理式解决方案在企业环境中成功所需的关键特征。我将解释为什么对于大多数受监管工作流和

近年来，人工智能的引入增强了企业自动化的力量与影响，使我们能追求更高的效率与生产力。同时，自动化所赋能的流程也日益复杂。投资涌入孤立的企业系统，平均大型公司现在在工作流中使用超过175个企业应用。数据更加孤岛化，流程更加碎片化。工作流中的许多决策并非明确清晰，需要人工介入——所有这些都增加了运营负担。最终，这些流程的复杂性使其无法被连贯地监控、优化或完全自动化。自动化的新时代——代理式自动化——提供了一条新路径。结合代理、机器人、AI与人员，代理式自动化可实现甚至最长、最复杂流程的端到端自动化。它能跨不同系统无缝协作，为企业带来变革性成果，使业务更自主、高效，同时提升客户与员工体验。代理正承担

麦肯锡预测，人工智能将成为全球生产力的巨大驱动力。普华永道估计，到2030年，人工智能可能为全球经济贡献高达15.7万亿美元。世界各国政府纷纷认识到这一点，并采取措施最大化其对本国经济的积极影响，英国（UK）也不例外。英国近期发布了《人工智能机遇行动计划》：50项建议，旨在提升英国在人工智能开发与实施方面的角色。英国政府2025年《人工智能机遇行动计划》标志着政府对人工智能为英国经济带来的机遇的重大认可。我们欢迎这一前瞻性战略，并自豪地与其目标保持一致，特别是在医疗保健、培育英国本土人才与创新方面。对人才与创新的承诺人才与创新是UiPath使命的核心，我们很高兴看到英国政府在战略中强调这些领域

DeepSeek R1 等新 AI 模型蕴含巨大希望，但也引发治理、安全、避免供应商锁定的关键问题。UiPath 相信企业能在不妥协下同时实现创新与安全。本文分享我对 DeepSeek R1 发布的思考，以及 UiPath 如何助客户安全有效采纳前沿 AI。 DeepSeek R1：挑战与机遇 早期分析显示 DeepSeek R1 在极低成本下媲美 GPT-4、Gemini 等领先模型。其开源本质允许任何人访问修改，被誉为“AI 的斯普特尼克时刻”。虽为客服、发票处理等任务提供强大文本与多模态能力，也带来挑战： 算力与存储开销：6710 亿参数需巨大计算资源，推高成本。UiPath 提供灵活

自诞生起，自动化故事是线性进步。从机器人流程自动化（RPA）到智能文档处理（IDP），每项创新都让企业更高产、盈利、敏捷。 但现在，更大变革正发生。新技术——Agentic 自动化——打破增量改进循环，解锁前所未见的工作流重塑。 Agentic 自动化不聚焦单一任务，而是利用机器人、AI、编排从头到尾攻克整个工作流。其核心是 AI 代理——能感知环境、导航未知领域、即时决策的自主软件实体。 捕获 Agentic 自动化价值蓝图是我们近期季度网络研讨会 UiPath Live：通往 Agentic 自动化之路的主题。我们有幸采访全明星小组——AI 科学家、自动化专家、企业领袖——探讨此变革对企业

AI 代理正迅速成为企业标配。这些基于 AI 模型的实体具备高级推理、决策、持续学习能力。当 AI 代理被赋能端到端执行复杂动态流程，我们称之为 Agentic 自动化。炒作热烈——90% 美国 IT 高管相信有业务流程可被 Agentic AI 改进。 然而，Agentic 自动化非独角戏。代理需帮助获取正确业务数据、产出准确可靠决策。将 Agentic 自动化视为管弦乐团。它需要 AI 代理、自动化机器人、工具（含 AI 模型）、人协同交付变革性成果。87% 美国 IT 高管称不同技术互操作性对成功重要，不足为奇。每个乐团需指挥家确保所有演奏者合拍跟谱。随着 Agentic 编排进入公开预

企业不再玩票 AI，正用 Agentic 自动化获取真实成果。最前瞻企业正将 AI 代理、确定性机器人、人编排为高影响力端到端工作流。近期 UiPath Agentic AI 峰会展示了客户如何构建自主企业代理驱动变革价值、改变工作方式。 最佳案例之一来自 WEX 全球支付公司企业自动化负责人 Emily Krohne。在领导三年 UiPath 转型后，Emily 推动 Agentic 自动化计划强化销售团队备战与简化文档处理。可在 Agentic AI 峰会主题演讲中观看我的完整访谈。 本回顾分享峰会最引人入胜的故事与发布： UiPath Agent Builder：构建、测试、部署专用企业

业务运行于文档与通讯之上。它们支撑几乎所有可想象的流程——凡有消息（如邮件、聊天）或文档被读取或发送之处。智能文档处理（IDP）市场以每年 28.9% 增长，预计 2032 年达 178 亿美元，不足为奇。 IDP 典型融合 NLP、图像识别等多种 AI 技术，助力企业大规模快速处理文档与通讯。业务领导者拥抱 AI 代理——能代表人完成工作的强大 AI 实体——文档流程成为 Agentic 自动化理想用例。结合 AI 代理、机器人与 IDP 能力，在人在环监督下，能带来快速回报并大幅提升效率。 然而，这引出问题：你该自建还是采购 IDP 能力？评估所有选项、考量哪种途径能交付最高 ROI、最佳

初识 Agentic 编排？从这里开始。 实话实说——AI 代理构建与部署不易。但一旦嵌入，影响惊人。我爱听 UiPath 客户如 Lantik 数字服务主管 Ainara Etxeandia Sagasti 说：“结合 RPA、生成式 AI 与 Agentic 技术，让公共服务比以往更可及、高效、以市民为中心。”已有 10,000+ AI 代理构建于 UiPath 平台。代理能变革流程效率与盈利，但需要强编排、自动化与人在环支撑。 本文将覆盖大规模构建、测试、部署 AI 代理的最常见痛点，并解释基于受控能动性与互操作性的编排方法如何缓解它们。 1. 代理性能与可靠性 开发者与用户常引用 AI

我们从 Microsoft Build 2025 归来，有一点不可能被忽视：Agentic AI 无处不在。大家都在谈论、构建、测试它——我们也身处其中，将真实世界的 Agentic 自动化带入现实。 UiPath 展台气氛热烈。观众不只想听 AI 代理推理与聊天，更想看 AI 代理、机器人、人如何协同推进业务流程。我们做到了。 不只是思考——更能落地 以贷款发放为例。这是个杂乱、多步骤流程：扫描文档、从多系统拉取数据、核查资格、与客户沟通——适合自动化，但太复杂，单一 AI 代理难以独力完成。 这正是 Agentic 自动化大显身手之处。想象一下： UiPath Agent 启动流程，调用