Gartner预测：2028年33%企业软件将内置AI智能体，低代码平台如何抢占先机？

图1：企业AI智能体协同工作愿景

近两天可以看到，越来越多的企业开始在公开场合去讨论AI智能体这个方向，但是在实际落地的项目当中，真正能够成功运行的数量还比较有限。根据Gartner最新发布的2025年中国人工智能十大趋势的数据，到2028年，会有33%的企业软件当中包含代理型AI，而在2024年这个比例还不到1%。这背后所指向的含义在于，一场有关于企业AI智能体建设的浪潮正在逐步到来，而低代码平台会把这个变革推动起来并且成为关键的抓手。本文会凭借权威的数据以及实际的案例，来为企业的决策者提供一份可以直接拿来用的AI智能体构建指南。

一、企业AI智能体开发现状：从技术壁垒到低代码突破

传统的AI智能体开发在实践中通常会遇到三类核心难题，主要包括技术门槛高、开发周期长以及维护成本大这几个方面。企业往往需要去组建专业化的AI开发团队，选用并且运用复杂的机器学习框架以及自然语言处理相关的技术，仅仅是把一个基础的对话系统搭建起来，往往就需要数月的时间来进行开发和验证。

Gartner在2025年十大战略技术趋势报告中明确说明，到2028年，会有至少15%的日常工作决策由代理型AI自主做出，而在2024年这个比例为0%。从0到15%的变化区间，正好就是低代码以及零代码平台可以发挥关键作用的时间窗口期。

图2：低代码AI智能体开发模式演进路径

加载图表中...

图3：低代码平台可视化开发界面

低代码平台的出现，把原有的局面进行了改变。企业可以借助可视化的工作流设计、预构建的AI组件以及模板化的部署方式，来把AI智能体的开发周期从数月缩短到数周，甚至少数情况下可以缩短到数天。同时，业务人员会被直接纳入到智能体的设计以及优化工作当中，从而让“业务驱动技术”的敏捷开发模式得以实现。

这一转变背后的深层逻辑在于，AI智能体的核心价值并不在技术本身的复杂程度上，而在于对业务场景进行深度理解以及进行精准匹配的能力。低代码平台通过降低技术门槛，让更理解业务的人员可以直接把AI解决方案构建起来并且进行持续优化，从而让业务价值得到进一步的提升。

二、主流低代码AI智能体平台深度对比分析

当前市场上的低代码AI智能体平台在数量上呈现出比较多的状态，但是在核心能力这个方面存在比较明显的差异。这里会从技术架构、开发模式、集成能力以及安全合规这四个维度来开展相关的对比分析工作。

表1：主流低代码AI智能体平台核心能力对比

平台特性	企业级原生平台	通用型平台	开源框架平台
可视化工作流	支持	支持	部分支持
多Agent协作	原生支持	有限支持	需要二次开发
企业系统集成	深度集成	基础集成	需要定制开发
私有化部署	完全支持	有限支持	完全支持
安全合规认证	等保三级	基础认证	需要自建
知识库处理	多模态RAG	文本RAG	需要集成
模型管理	100+模型	主流模型	需要配置
技术支持	全链路服务	社区支持	社区支持

从技术架构角度来看，企业级平台通常会选用更加成熟的微服务架构，来支持高并发以及高可用的生产环境需求。以Microsoft AutoGen框架作为开源领域的代表来看，它具备较强的多智能体协作能力，但是在企业级的部署以及运维方面仍然需要进行大量的定制化工作。

在实际的应用中，企业级平台像BetterYeah选用并且运用了它自研的NeuroFlow开发框架以及VisionRAG智能知识库引擎，可以去处理复杂的业务流程编排以及多模态的知识管理。这类自研核心引擎的优势体现在，它不仅可以满足当前的业务需求，还能够根据企业的特定场景来开展更深入的定制以及优化工作。

图4：AI智能体平台技术架构对比

加载图表中...

多Agent协作能力会成为区分平台层次的一个重要指标。在复杂的企业场景当中，通常需要多个专门化的智能体开展协同工作：客服智能体负责进行初步接待，专业智能体去处理技术问题，管理智能体对质量进行监控。这样一种协作机制的实现难度较高，平台需要具备比较强的任务调度、状态管理以及异常处理方面的能力。

三、企业级AI智能体构建的关键成功要素

要把企业级AI智能体真正构建为可用的系统，内容并不只停留在技术实现这个层面。基于对大量企业实践案例进行分析之后，可以总结出五个关键的成功要素。

安全合规会成为企业级应用的生命线。不同于消费级应用，企业AI智能体往往需要去处理敏感的业务数据以及客户信息。因此平台必须要通过严格的安全认证，比如“网络安全等级保护2.0”当中的三级认证，同时支持私有化部署。BetterYeah作为通过上述认证的平台，在数据安全以及合规性方面提供了比较完整的保障体系。

图5：企业级AI智能体安全架构设计

加载图表中...

业务系统的集成能力会直接决定AI智能体的实用价值。企业现有的CRM、ERP、OA系统当中包含了大量的业务数据以及流程逻辑，只有把AI智能体与这些系统开展深度集成，才能让“数字员工”的作用得以实现。这就需要平台提供比较丰富的API接口、数据连接器以及业务流程的适配能力。

团队技能要求以及培训成本会显著影响项目的成功概率。理想状态下的低代码平台应该让业务人员可以直接参与到智能体的构建以及优化工作当中，而不需要非常深厚的编程背景。同时，平台还应该为企业提供比较完善的培训体系以及技术支持，来帮助企业尽快建立起AI应用相关的开发能力。

四、行业标杆案例：低代码AI智能体的落地实践

企业在真实业务场景当中的价值验证会更有说服力。这里选取了几个具有代表性的行业案例，来展示低代码AI智能体在不同领域里的落地效果。

百丽国际作为传统零售企业数字化转型方面的标杆，基于BetterYeah AI Agent平台来构建了覆盖全链路的AI智能体矩阵。这个体系当中包括“货品AI助理”和“店铺AI助理”，实现了从供应链到门店运营等业务节点的深度渗透。目前已经在超过800个业务子节点中进行规模化应用，覆盖250多个货品流程以及350多个门店业务场景，去赋能5类门店角色。

这一案例的核心价值在于，它把AI智能体在复杂业务环境当中实现规模化应用进行了证明。凭借低代码平台的可视化配置能力，百丽可以把不同门店的业务特性进行快速适配，从而把个性化的智能体部署开展起来。

Tineco添可的AI客服助手案例则展示了AI智能体在提升服务效率这个方面的潜力。通过BetterYeah平台构建的智能客服系统，不仅可以去处理高频的售前以及售后问题，还可以凭借对专业知识库的学习来精准解答复杂问题。最终让服务效率得到22倍的提升，把响应速度从3分钟缩短到8秒，同时让新人培训周期缩短了75%。

表2：行业标杆案例效果对比

案例企业	应用场景	核心指标提升	实施周期	ROI表现
百丽国际	全链路业务智能化	覆盖800+业务节点	6个月	显著降本增效
Tineco添可	AI客服助手	效率提升22倍	2个月	培训成本降低75%
大型金融企业	销售Copilot	赋能10万+经纪人	4个月	知识查询效率提升5倍
生活服务平台	AI语音质检	质检覆盖率100%	3个月	质检成本降低80%

这些案例的共同特性在于，都借助低代码平台来实现了快速部署以及规模化应用。与传统的AI项目动辄一年以上的开发周期相比，这些项目可以在2-6个月之内把从概念到生产的完整过程进行完成。

从ROI这个角度来看，AI智能体的价值主要体现在效率得到进一步的提升、成本得到降低以及体验得到改善三个方面。以语音质检这个场景为例，传统的人工抽检模式覆盖率通常不足5%，而AI智能体可以实现100%的全量质检，质检准确率可以达到90%以上，从而让合规风险以及管理成本在极大程度上得到降低。

五、实施路径与选型指南

在上述分析的基础上，可以为企业提供一套较为完整的AI智能体实施路径以及平台选型框架。

图6：企业AI智能体实施决策路径

加载图表中...

第一阶段是进行需求评估以及场景分析。企业需要把自身的核心业务场景、技术基础以及预期目标明确起来。对于大型企业来说，建议优先选用具备企业级架构以及安全认证的平台；对于中小企业来说，可以更多地关注开发效率以及部署的便利性这个方面。

第二阶段是平台选型以及概念验证。建议企业选用2-3个候选平台来开展小规模的概念验证，重点去测试平台的易用性、系统集成能力以及技术支持的质量。在这个阶段，BetterYeah等企业级平台的优势会相对明显，尤其是在复杂业务场景的适配以及专业服务支持方面。

第三阶段是把规模化部署以及持续优化工作进行推进。企业需要基于概念验证的结果来选择最适宜的平台进行更大规模的部署。在这个过程中，要建立比较完善的开发规范、测试流程以及运维体系，来确保AI智能体可以稳定运行并且得到持续优化。

从成本效益这个角度来考量，企业在选择平台的时候不应该只盯住初期的采购成本，而应该把开发效率、运维成本、技术支持以及长期扩展性进行综合考虑。一个优秀的企业级平台虽然在初期投入这个方面会高一些，但是凭借提升开发效率以及降低运维成本，往往可以在6-12个月的周期里实现投资回报。

结语：拥抱AI智能体时代的战略机遇

当Gartner给出到2028年会有33%的企业软件内置AI智能体的预测时，这不仅仅是一条技术趋势的判断，同时也会对企业数字化转型路径进行重新定义。低代码平台作为这个变革的重要推动者，正在把企业构建以及部署AI应用的方式进行重塑。

对于企业来说，目前面对的问题不再是“要不要去做AI智能体”，而是“如何去选择适宜的平台以及实施路径”。那些可以尽早进行布局、选对平台并且把相关能力建立起来的企业，会在未来的竞争当中取得更加明显的优势。与此同时，那些仍处于观望状态的企业，可能会错过这个具有历史意义的技术红利期。