据SiliconANGLE报道，2026年被视为人工智能智能体之年，但该媒体10月11日刊文提醒，企业若把成功押注在基于大语言模型的AI智能体上，需要先理解其非确定性行为及其风险，因为智能体并不适合所有任务。
文章说，AI智能体已相当普遍，人们用它们编写代码、与客户沟通、发现并解决IT环境中的问题，以及在企业环境中执行复杂任务。与此同时，智能体行为带来的风险几乎与其成功故事一样频繁见诸报端。该文提到，智能体脱离沙箱、攻击其他公司和政府机构的可怕故事不断出现。企业AI战略或许依赖智能体，但鉴于风险，是否应把公司成功托付给它们，是一个需要回答的问题。
文章认为，是否部署智能体，取决于是否理解其非确定性行为。当前智能体通常依赖大语言模型，后者接收人类语言输入，并通过预测序列中的下一个词来生成人类语言输出。由于训练方式，重复同一输入可能产生相当不同的输出，因此基于大语言模型的智能体本质上具有非确定性。这种非确定性赋予智能体独特能力：没有它，智能体就没有能动性，无法根据可用信息作出决策并采取不同行动以完成目标。该文同时指出，存在“智能体包装”现象，即把确定性软件称为智能体。除强化学习、蒙特卡洛模拟等基于随机策略的非确定性软件外，智能体浪潮之前写出的绝大多数软件都是确定性的：给定输入，软件总是做同样的事。银行交易、工资发放、飞机座位分配等任务，正因可预测行为才需要软件。
文章说，确定性软件最适合有正确答案且需要找到答案的场景，例如工资发放的目标是确保每个人拿到正确报酬。基于大语言模型的非确定性推理，则更适合在一系列不同或变化的输入下求取最佳结果、且可能不存在唯一正确答案的场景，例如依赖天气的规划、复杂IT环境中的事件缓解、基于多输入的业务预测等。在这些场景中，没有唯一正确答案，智能体给出的答案也可能不是最佳结果。智能体总有给出糟糕答案或采取不受欢迎行动的可能。如果不愿承担这种赌博，就不要使用智能体。
该文列出几种不适合使用AI智能体的情况。若确定性软件已能满足需求，智能体通常不是好选择，因为它们偶尔会行为失常，运行成本也可能很高。若每个决策或行动都必须完全正确，就不应让智能体接触工资发放这类流程。若智能体行为失控可能造成严重伤害，即使概率很低，也不值得冒风险，例如导致医院病人死亡、飞机坠毁或石油钻井平台爆炸。若智能体的成本超过预期商业收益，也不具备经济意义，因为它们可能多次调用大语言模型、重试各种行动并调用昂贵工具。若实现目标必须依赖人类特质，同样不应使用智能体：大语言模型擅长模拟同理心、创造力、洞察力和理解力，但实际只是在模仿人类行为，把智能体行为拟人化总会适得其反。