TechRadar于9月20日刊出对Appian全球解决方案咨询高级副总裁兼负责人格雷格·阿尔达纳的采访。阿尔达纳表示，企业部署人工智能时，不应先问“哪里能用AI”，而应先明确要解决什么业务问题、最大瓶颈和低效环节在哪里。他认为，只有当AI能让流程可衡量地变好时，才值得引入。

阿尔达纳说，如果任务遵循可预测规则且结果清晰，传统自动化或业务规则往往更快、更便宜，强行加入AI未必改善结果，还会带来不必要的复杂性。他以保险理赔为例：在线表单中，申请人从下拉列表选择类别后，保险公司可用业务规则把汽车险理赔转给一个部门，把家庭险理赔转给另一个部门。AI代理更有价值的场景，是需要适应性推理、复杂上下文或处理可变输入的工作。例如，面对网页和移动表单中的结构化数据以及邮件中的非结构化内容，经过训练的AI代理可根据“motorway”“clash”“passenger”等关键词推断理赔可能涉及汽车事故，并将其路由到相应部门。企业应采用组合策略：用规则处理高频、可重复的逻辑，用代理进行动态分诊或调查。

阿尔达纳指出，AI的隐性成本主要来自模型之外为使其有效、安全运行所需的运营基础设施。代理需要访问正确的数据和系统，企业还需围绕其能访问什么、能采取什么行动建立监控、安全和治理。问责同样关键：组织要理解某项行动为何发生，出错时能够追溯，并有明确方式处理代理无法自信处理的情况。如果没有统一平台来编排数据并执行政策，异常管理和审计追踪的开销可能超过AI带来的生产力收益。每增加一个代理都会增加复杂性，企业需要确信流程改善足以证明这些成本合理。

在人的判断方面，阿尔达纳认为，当决策错误代价或后果很高时，人的判断仍然关键，尤其是在金融服务、保险、生命科学和公共部门等受监管行业。AI可以加速客户入驻、保险承保或临床试验等环节，但仍会有一些决策因其后果需要由人来处理。报道原文在这部分未完整呈现其后续回答。