AI 智能体：自动化领域的全新革命

在过去的一年里，自动化竞赛愈演愈烈，人工智能代理成为企业效率的终极变革者。虽然生成式人工智能工具在过去三年中取得了重大进展，成为企业工作流程中宝贵的助手，但如今的焦点正在转向能够自主思考、行动和协作的人工智能代理。对于准备迎接下一波智能自动化的企业来说，了解从聊天机器人到检索增强生成 (RAG) 应用程序再到自主多代理人工智能的飞跃至关重要。正如 Gartner 在最近的一项调查中指出的那样，到 2028 年，33% 的企业软件应用程序将包含代理人工智能，而 2024 年这一比例还不到 1%。

正如 Google Brain 创始人吴恩达所说：“由于代理工作流程，人工智能可以完成的任务范围将大幅扩展。” 这标志着组织对自动化潜力的看法发生了范式转变，从预定义流程转变为动态的智能工作流程。

尽管前景光明，但传统的自动化工具却受到僵化和高实施成本的限制。在过去十年中，UiPath 和 Automation Anywhere 等机器人流程自动化 (RPA) 平台一直在努力应对缺乏明确流程或依赖非结构化数据的流程。这些工具模仿人类行为，但往往会导致脆弱的系统，当流程发生变化时需要昂贵的供应商干预。

当前一代人工智能工具，如 ChatGPT 和 Claude，拥有先进的推理和内容生成能力，但无法实现自主执行。它们对复杂工作流程的人工输入的依赖造成了瓶颈，限制了效率提升和可扩展性。

随着人工智能生态系统的不断发展，正在向垂直人工智能代理发生重大转变——这些代理是专门为特定行业或用例而设计的高度专业化人工智能系统。正如微软创始人比尔·盖茨在最近的一篇博文中所说：“代理更智能。它们是主动的——能够在你提出请求之前提出建议。它们跨应用程序完成任务。它们随着时间的推移而改进，因为它们会记住你的活动并识别你行为中的意图和模式。”

与传统的软件即服务 (SaaS) 模型不同，垂直人工智能代理不仅仅优化现有工作流程，而是彻底重新构想它们，为生活带来新的可能性。以下是垂直人工智能代理成为企业自动化下一件大事的原因：

• 消除运营开销：垂直人工智能代理自主执行工作流程，无需运营团队。这不仅仅是自动化，而是完全取代了这些领域的人工干预。
• 解锁新的可能性：与优化现有流程的 SaaS 不同，垂直人工智能从根本上重新构想工作流程。这种方法带来了以前不存在的全新功能，为重新定义企业运营方式的创新用例创造了机会。
• 建立强大的竞争优势：人工智能代理能够实时适应，使其在当今快速变化的环境中高度相关。监管合规性，例如 HIPAA、SOX、GDPR、CCPA 以及新的和即将出台的人工智能法规，可以帮助这些代理在高风险市场建立信任。此外，针对特定行业量身定制的专有数据可以创造强大的、可防御的护城河和竞争优势。

自动化领域最深刻的转变是从 RPA 到能够自主决策和协作的多代理人工智能系统的转变。根据 Gartner 最近的一项调查，到 2028 年，这种转变将使 15% 的日常工作决策能够由人工智能自主做出。这些代理正在从简单的工具演变为真正的合作者，改变着企业工作流程和系统。这种重新构想正在多个层面发生：

• 记录系统：Lutra AI 和 Relevance AI 等人工智能代理整合了各种数据源，以创建多模式记录系统。利用 Pinecone 等向量数据库，这些代理分析非结构化数据，例如文本、图像和音频，使组织能够从孤立的数据中无缝提取可操作的见解。
• 工作流程：多代理系统通过将复杂任务分解为可管理的组件来自动执行端到端工作流程。例如：Cognition 等初创公司自动化软件开发工作流程，简化了编码、测试和部署，而 Observe.AI 通过将任务委派给最合适的代理并在必要时进行升级来处理客户咨询。
  • 现实世界案例研究：联想在最近的一次采访中表示：“随着我们的生成式人工智能代理帮助支持客户服务，我们在呼叫处理时间上看到了两位数的生产力提升。我们在其他地方也看到了令人难以置信的收益。我们发现，例如，营销团队将创建出色宣传手册所需的时间缩短了 90%，并且还节省了代理费用。”
• 重新构想的架构和开发工具：管理人工智能代理需要在工具方面进行范式转变。Automation Anywhere 的 AI Agent Studio 等平台使开发人员能够设计和监控代理，并具有内置的合规性和可观察性功能。这些工具提供护栏、内存管理和调试功能，确保代理在企业环境中安全运行。
• 重新构想的同事：人工智能代理不仅仅是工具——它们正在成为协作的同事。例如，Sierra 利用人工智能来自动化复杂客户支持场景，使员工能够专注于战略举措。Yurts AI 等初创公司优化了跨团队的决策流程，促进了人机协作。麦肯锡表示：“理论上，通过应用各种现有技术能力，包括生成式人工智能，可以自动化当今全球经济中 60% 到 70% 的工作时间。”

未来展望：随着代理获得更好的记忆、高级编排能力和增强的推理能力，它们将能够在最少的人工干预下无缝管理复杂的工作流程，重新定义企业自动化。

随着人工智能代理从处理任务发展到管理工作流程和整个工作，它们面临着不断加剧的准确性挑战。每增加一个步骤都会引入潜在的错误，从而使整体性能成倍下降并降低。深度学习领域的领军人物杰弗里·辛顿警告说：“我们不应该害怕机器思考；我们应该害怕机器在没有思考的情况下行动。” 这突出了建立健壮的评估框架以确保自动化流程的高准确性的迫切需要。

举个例子：一个在执行单一任务时准确率为 85% 的人工智能代理，在执行两项任务时整体准确率仅为 72%（0.85 × 0.85）。随着任务组合成工作流程和工作，准确率会进一步下降。这引发了一个关键问题：在生产环境中部署准确率仅为 72% 的人工智能解决方案是否可以接受？当添加更多任务时，准确率下降会发生什么？

优化人工智能应用程序以达到 90% 到 100% 的准确率至关重要。企业无法承受低劣的解决方案。为了实现高准确率，组织必须投资于：

• 健壮的评估框架：定义明确的成功标准，并使用真实和合成数据进行彻底的测试。
• 持续监控和反馈循环：监控人工智能在生产环境中的性能，并利用用户反馈进行改进。
• 自动化优化工具：使用无需完全依赖手动调整即可自动优化人工智能代理的工具。

如果没有强大的评估、可观察性和反馈，人工智能代理可能会表现不佳，落后于优先考虑这些方面的竞争对手。

随着组织更新其人工智能路线图，一些经验教训已经浮出水面：

• 敏捷：人工智能的快速发展使得长期路线图具有挑战性。策略和系统必须具有适应性，以减少对任何单一模型的过度依赖。
• 关注可观察性和评估：建立明确的成功标准。确定准确率对你的用例意味着什么，并确定可接受的部署阈值。
• 预测成本降低：人工智能部署成本预计将大幅下降。a16Z 最近的一项研究发现，LLM 推理的成本在三年内下降了 1000 倍；成本每年下降 10 倍。为这种下降做好规划，将为以前成本过高的雄心勃勃的项目打开大门。
• 快速实验和迭代：采用人工智能优先的思维方式。实施快速实验、反馈和迭代的流程，目标是频繁发布周期。

人工智能代理已经成为我们的同事。从代理 RAG 到完全自主的系统，这些代理有望重新定义企业运营。拥抱这种范式转变的组织将释放前所未有的效率和创新。现在是行动的时候了。你准备好引领未来吗？

Rohan Sharma 是 Zenolabs.AI 的联合创始人兼首席执行官。