微软近期做出了一项令人意外的决定：大幅下调其AI代理产品的销售增长目标。这一举措反映了科技巨头在推动AI商业化过程中面临的真实挑战，以及企业客户对未经验证的AI技术持谨慎态度的态度。
销售目标腰斩：市场反应冷淡
据《信息报》周三报道，微软在截至6月的财年内，许多销售人员的AI产品销售配额未能完成，促使公司将销售增长目标削减一半。这一调整对微软而言极为罕见，发生在公司未能实现多项雄心勃勃的AI产品销售目标之后。
微软在5月的Build大会上曾高调宣布公司已进入"AI代理时代"，这些AI代理被设计为能够自主执行多步骤任务，而非简单响应单个提示。公司向客户承诺，这些代理可以自动化复杂任务，如从销售数据生成仪表板或撰写客户报告。
然而，现实情况却截然不同。在一个美国Azure销售部门，公司为销售人员设定了将客户在名为Foundry的产品上的支出增加50%的目标，该产品帮助客户开发AI应用程序。但该部门中只有不到五分之一的销售人员达到了Foundry销售增长目标。7月，微软将当前财年的目标下调至约25%的增长。在另一个美国Azure部门，大多数销售人员未能实现将Foundry销售翻倍的前一个配额，微软将他们的配额削减至当前财年的50%。
这些销售数据表明，企业目前还不愿意为这些AI代理工具支付高价。微软的Copilot本身也面临品牌偏好挑战：今年早些时候，彭博社报道称，微软销售人员向企业销售Copilot时遇到困难，因为许多员工更喜欢ChatGPT。据报道，制药商安进(Amgen)为2万名员工购买了Copilot软件，但许多员工转而使用OpenAI的聊天机器人，Copilot主要用于Microsoft特定的任务，如Outlook和Teams。
承诺与现实之间的差距
AI代理系统的概念在2023年OpenAI发布GPT-4后不久出现。这些系统通常涉及将"工作任务"分配给与监督AI模型并行运行的AI模型，并采用评估和自行行动的技术。过去几年，Anthropic、Google和OpenAI等公司将这些早期方法完善为对软件开发等任务更有用的产品，但它们仍然容易出错。
问题的核心在于AI语言模型倾向于"编造"（confabulate），这意味着它们可能自信地生成虚假输出，并将其陈述为事实。虽然随着更先进的AI模型出现，编造问题已有所减少，但当前市场上代理AI助手背后的模拟推理技术仍然可能造成灾难性错误并继续执行，使它们无法胜任微软等公司承诺的那种无需人工干预的自主工作。
尽管循环代理系统在捕捉自身错误方面比单独运行单个AI模型更好，但它们仍然继承了底层AI模型的基本模式匹配局限性，特别是在面对训练分布之外的全新问题时。因此，如果代理未经过适当培训以执行任务或遇到独特场景，它很容易得出错误推断并为企业造成 costly 错误。
当前AI代理的"脆弱性"也是为什么人工智能通用智能（AGI）的概念对AI行业如此有吸引力。在AI领域，"通用智能"通常意味着AI模型可以在无需事先展示成千上万个示例的情况下学习或执行新任务。尽管AGI是一个在实践中难以定义的模糊术语，但如果开发出这样的通用AI系统，理论上将比当今AI公司提供的代理工作者胜任得多。
微软的AI投资策略
尽管面临这些挑战，微软仍在AI基础设施上投入巨资。该公司报告称，截至10月的财年第一季度的资本支出为349亿美元，创历史新高，并警告称支出将进一步增加。《信息报》指出，微软的大部分AI收入来自AI公司本身租赁云基础设施，而非来自传统企业为自身运营采用AI工具。
目前，随着所有目光都聚焦于AI市场可能出现的泡沫，微软似乎正在为一场许多企业尚未签约的革命建设基础设施。
企业AI采用的现实考量
微软的案例揭示了企业AI采用的几个关键现实因素：
技术成熟度担忧：企业对AI代理技术的可靠性持谨慎态度，特别是在处理关键业务任务时。
投资回报不确定性：企业需要明确看到AI工具能够带来实际价值，才会愿意支付溢价。
员工接受度：即使公司购买了AI工具，员工可能仍倾向于使用他们更熟悉的替代产品。
整合复杂性：将AI工具集成到现有工作流程中可能面临技术和组织层面的挑战。
AI市场的未来展望
微软的销售目标下调可能标志着AI市场进入更加务实的新阶段。虽然大型科技公司仍在大力投资AI基础设施，但企业客户正变得更加谨慎，要求更明确的证据证明AI技术能够解决实际问题并带来可衡量的价值。
未来，AI公司可能需要更加注重：
- 展示实际用例：提供具体、可验证的成功案例，证明AI技术能够解决实际问题。
- 降低采用门槛：开发更易于集成和使用的产品，减少企业实施AI技术的障碍。
- 强调渐进式价值：展示AI如何在短期内为企业创造价值，而不仅仅是长期承诺。
- 提高透明度：诚实地沟通AI技术的能力和局限性，建立更现实的期望。
结论
微软下调AI销售目标的事件反映了AI技术从炒作到实际应用的必然转变过程。虽然AI代理技术具有巨大潜力，但当前的技术局限性、企业采用障碍以及市场期望之间的差距，都表明AI技术的商业化道路比许多人预期的更为复杂和漫长。
这一事件对整个AI行业都是一个重要提醒：真正的创新不仅需要技术突破，还需要解决实际业务问题，并建立可行的商业模式。随着AI技术继续发展，我们可能会看到更加务实和可持续的AI应用模式逐渐形成，最终实现AI技术对企业和社会的真正价值。
