超越生成式人工智能
人工智能最具变革性的承诺一直是其自主潜力,即创建无需人工监督即可自行智能行动的系统。然而,到目前为止,这种“代理人工智能”对于大多数企业用例来说仍然遥不可及。
专注于人工智能代理的咨询公司Red Dragon AI的首席执行官 Sam Witteveen 表示,在各个行业中,有两种相关趋势将改变我们对未来一年半可能发生的事件的看法:
- 一切皆代理:许多熟悉的软件工具和服务的嵌入式 AI 代理替代品将会出现,允许用户使用自然语言与它们进行交互,而不是使用专门的界面或代码。
- 代理的构建模块:用于构建自定义 AI 代理的新一代工具和框架即将问世,这将允许企业为其运营的不同方面制定 AI 驱动的战略。
本文是深入探讨 Agentic AI 的多篇文章的第一部分,它有望成为各行业企业采用 AI 的下一个发展阶段。在接下来的几周内,本系列将探讨 Agentic AI 对未来组织运作方式的全面影响,包括网络安全、IT 管理、业务运营、销售、营销等。我们还将探讨不断发展的道德和监管环境,以帮助您保持方向。
自从 ChatGPT 一炮走红以来,各行各业的企业纷纷将生成式人工智能融入其产品中,从图像生成到增强型客户服务机器人。从内容营销到软件开发再到威胁检测,各行各业的企业都采用了这些产品。谷歌云的一项研究表明,70% 的公司至少在一个用例上获得了投资回报。随着解决方案的成熟,这种影响将不断扩大。根据麦肯锡最近的一份报告,生成式人工智能技术将为各商业部门创造 2.6 万亿至 4.4 万亿美元的价值,并将所有员工所需的总工作量减少 50%-70%。
然而,另一波创新浪潮即将到来——它承诺要做的远不止制作引人入胜的视觉效果或类似人类的文本。随着能够自主监控事件、做出决策并采取实际行动的应用程序的出现,Agentic AI 有望彻底改变企业运作的核心。现在是时候超越迄今为止占据头条新闻的聊天机器人和内容生成器了。从实时管理网络安全威胁的嵌入式代理到自主生成超个性化活动的营销 AI,Agentic AI 不仅是一项技术进步,而且是一种真正的范式转变,将对企业和社会产生深远影响。
今天(9 月 10 日)加入我们在旧金山举办的 AI Impact Tour,我们将深入探讨 Agentic AI 的未来。不要错过这次向 Meta、Intuit 和 Asana 等行业领导者学习的机会。
定义代理人工智能:生成人工智能与传统自动化的融合
Agentic AI 将传统自动化与现代大型语言模型 (LLM) 的强大功能相结合,利用后者来模拟人类的决策、分析和创作内容。能够采取行动的自动化系统的想法并不新鲜,甚至能够在温度过冷或过热时打开和关闭暖气和空调的传统恒温器也是一种简单的“智能”自动化。
在现代,IT 自动化已通过 Docker、Kubernetes 和 Terraform 等自我监控、自我修复和自动扩展技术彻底改变,这些技术体现了控制论自我调节的原理,这是一种代理智能。这些系统极大地简化了 IT 运营的工作,允许操作员(以代码形式)声明系统所需的最终状态,然后自动将现实与期望相一致,而不必执行一长串命令来进行更改和检查结果。
无论多么强大,这种传统的自动化仍然需要专业工程师使用代码来配置和操作工具。工程师必须预见可能的情况并编写脚本来捕获所需的逻辑和 API 调用。Agentic AI 从两个根本上超越了这些限制:首先,任何会使用语言的人都可以与系统交互,而不仅仅只有经过培训的程序员才能访问。其次,静态脚本被 LLM 生成的按需代码所取代,以适应独特的情况。
在这个新模式中,只需用语言描述,智能 AI 代理便可获得广泛的目标或成功标准。然后,这些代理可以循环评估需要做什么、验证迄今为止取得的成果,并决定实现最终目标的下一步措施——大致相当于人类解决问题的方法。
AI 代理还可以与外部工具或 API 交互,从外部来源查询数据并触发现实世界的操作。这可以包括发送通信或提交支付交易——不仅仅是帮你找到附近的披萨店,还可以帮你实际订餐,正如本演示所示。
例如,在金融服务领域,人工智能代理可以持续监控市场,自动执行交易或根据实时分析调整投资策略。这些系统可以处理的数据远多于人类,有望提高企业运营效率、降低风险并改善决策。
以下一组属性通常定义 Agentic AI 系统:
- 生成:现代 Agentic AI 系统利用了 LLM 的分析和创造能力。然而,与简单的 gen AI 应用程序不同,它们不会简单地将生成的文本输出回用户。相反,它们可以使用生成的输出作为复杂工作流程中的中间步骤,模仿人类思维的作用。
- 工具调用:在代理系统中,AI 可以调用特定的工具或 API,根据 LLM 生成的推理查询数据并触发事件。
- 发现:代理系统可以从各种工具和数据流访问现实世界的数据,从而摆脱训练数据的限制。此外,它们可以利用 LLM 生成来决定需要什么数据并请求这些数据,而不是像检索增强生成 (RAG)那样局限于人工提供的输入。例如,负责维护供应链物流的 AI 代理可能会编写自己的查询来查询天气数据 API 和供应商库存数据库,以预测短缺并确定可能的解决方案。
- 执行:代理可以采取现实世界中的操作,例如与外部系统交互或触发流程,而无需人工干预。AI 代理可能会向人类发送电子邮件或其他通信、发送采购订单或资金转账、授予或撤销对安全系统的访问权限,或者采取任何可以连接到 API 的操作。
- 自主性(自我提示):代理系统“始终处于开启状态”,它们不需要在特定时间触发来执行特定操作,而简单的聊天机器人只能对提示做出响应。相反,一旦启动,它们就可以监视采取行动的正确时机,从而将人类从这种“观察和等待”的劳动中解放出来。它们可以循环执行、评估和规划,不断“自我提示”以朝着期望的最终状态前进。
- 规划:代理系统可以生成、排列优先次序并管理一系列下属任务,以追求总体目标。
- 组合:代理系统可以将多个组件(例如查询、脚本或子例程、对 API 或远程函数的调用)组合成一个有凝聚力的动作或响应。与传统自动化中的脚本不同,AI 代理使用 LLM 推理如何组合可用资源,从而为特定问题编写独特的解决方案。这可以包括将工作委托给其他 AI 代理,方法是按需创建它们或通过跨服务边界进行通信。
- 记忆:代理系统可以构建和维护自己的内部知识表示,从而使它们能够积累和利用通过发现提取的信息以及先前操作的输出。这种能力使代理能够更自主地工作,因为它们可以索引、存储和检索有关世界的信息以用于进一步的任务。例如,零售网站的个人购物代理可能会维护从用户的聊天互动和购买行为中提取的有关用户的特殊主题和事实列表,并使用它来定制对话和推荐。
- 反思:代理系统可以评估其生成的解决方案,并在必要时重试,而不是提供低质量的结果。例如,通过多步骤、检索辅助流程生成用户定制活动文案的营销代理可能会将所有文档提交给评估器 AI,该 AI 可以预测用户的评级和批评反馈,确保客户只会遇到最好的结果。
转型企业
代理型人工智能的影响巨大、复杂且动态。各行各业的组织都必须做好适应的准备。
人工智能代理仍在开发中,随着技术的成熟,该技术也面临挑战。它的核心依赖于 LLM,而 LLM 仍然容易产生幻觉。例如,如果代理在网络上搜索特定链接,它可能会带来稍微错误的反向链接。而这个 LLM 可能不知道如何处理它,并陷入无限循环,随着它消耗越来越多的代币,代理的人类创建者的成本不断增加。但与此同时,开发人员纷纷涌向这些代理进行实验和改进。随着时间的推移,随着工程师学会将代理组件组合成强大的系统,智能设计将占上风。
三种主要的代理框架尤为流行:Langraph、Autogen 和 CrewAI。一篇评论发现它们大致相当,但各有优缺点。在接下来的几周内,本系列文章将考虑各种行业的用例,回顾现成的 AI 代理的领先产品,并考虑公司现在使用这些 DIY 工具和框架构建的项目类型。
以下仅列举了代理人工智能已经产生影响的几个例子:
- 销售:下一代销售线索管理
Agentic AI 通过自动化整个销售渠道彻底改变了销售流程,使企业能够以前所未有的方式扩展潜在客户管理。Conversica和Relevance AI等工具已经提供人工智能助手,可以自动与潜在客户互动,确定他们的资格并通过销售渠道培养潜在客户。例如,Conversica 使用人工智能驱动的收入数字助理通过电子邮件和短信发起对话、回答询问和安排后续行动。这些助手确保不会忽略任何潜在客户,通过确保及时、个性化的互动,帮助企业将合格销售机会增加 5 倍。
同样,Relevance AI 也提供 AI 代理,例如其 AI 销售开发代表 (SDR),可自动执行潜在客户资格审查和跟进等重复性任务。这些 AI 代理实时分析潜在客户行为,对其进行评分和优先排序,以便人类销售代表专注于高价值机会。
大规模个性化的能力将彻底改变销售团队的格局,让人类代表将时间集中在高价值潜在客户身上,而人工智能代理则负责处理日常客户互动。事实上,Gartner 的一份报告显示,到 2025 年,75% 的 B2B 销售组织将通过人工智能驱动的代理来扩充其团队,以自动化日常任务并提高整体生产力。
- 营销:大规模超个性化购物
Agentic AI 正在改变企业个性化客户互动的方式,其中Netcore 的 Co-Marketer AI和 Salesforce 的Agentforce等工具引领了这一潮流。Co-Marketer AI 通过提供基于实时数据的动态个性化内容,使品牌能够通过电子邮件、WhatsApp 和短信等多种渠道吸引用户。这个由人工智能驱动的平台不断从用户行为中学习,使品牌能够提供高度相关的建议和优惠,以适应个人客户旅程,从而显著提高参与度和转化率。
Salesforce 的 Agentforce 使用 AI 代理自主制定和优化个性化营销活动。这些代理会分析客户数据(例如过去的购买记录和浏览记录),以大规模生成定制的活动和优惠。通过自动化这些流程,企业可以专注于更高级别的战略,同时确保客户在每个接触点都能收到高度个性化、相关的内容,从而加深客户关系并提高收入增长。
这两个平台都展示了 agentic AI 的强大功能,可以提供超个性化、可扩展的营销解决方案,将客户参与度提升到新的高度。
- 网络安全:实时防御
网络安全是代理式 AI 最明显的应用之一,速度和准确性至关重要。在这个领域,Darktrace和Vectra AI等公司开发了 AI 驱动的代理,可以持续监控网络流量、识别威胁并自主启动响应。
Vectra AI 使用人工智能驱动的代理自动检测和响应云、数据中心和企业网络中的安全事件。Vectra 的代理持续监控网络流量,学习合法行为模式,以更好地识别可能预示攻击的异常情况。一旦检测到潜在威胁,人工智能代理就会自动启动响应 — 无论是隔离受感染的网络部分、阻止恶意流量还是隔离受影响的系统。
转向代理式 AI 将使安全团队能够更有效地运作,无需人工干预即可实时处理威胁。这种始终在线的自主防御可能是防止入侵和最大限度减少网络攻击损害的关键,使企业能够在日益数字化的世界中安全运营。
- 基础设施和 IT 运营:主动管理
传统上,管理 IT 基础设施需要大量的人工监督、配置和持续监控。然而,随着Qovery等平台的兴起,IT 运营的未来将变得越来越自主,利用代理 AI 来改变企业管理基础设施的方式。
Qovery 平台让人们一窥代理 AI 如何重塑 IT 运营。Qovery 的代理旨在自动在云中部署应用程序,可执行设置环境、管理扩展和通过自我修复系统确保正常运行时间等任务。
这不仅仅是 Kubernetes 或 Terraform 等传统 IT 自动化工具的扩展,Qovery 的 AI 代理还具有更高级别的决策能力。例如,它们可以预测应用程序需求、动态调整环境,甚至通过重新分配资源来优化成本,同时只需极少的人工投入。
AI 代理用自然语言解释用户命令,从而减少了公司保持 IT 管理专业知识的需求。Qovery 声称其平台“消除了您的 DevOps 招聘需求”。
下一步是什么?
AI 代理可以帮助企业以更高的效率、灵活性和速度运营。这项技术尚处于起步阶段,但随着更多强大产品的出现(预计很快就会出现),采用该技术的商业案例将会增加。
然而,代理式人工智能的实施需要深思熟虑的设计,因为这些系统不会是一刀切的。需要为某些工作创建专门的人工智能代理,并为其他工作选择合适的人工智能工具。无论是开发自己的代理式人工智能还是部署第三方代理式人工智能,企业都需要了解这项新技术的炒作与现实、前景与风险。
在本系列文章中,我们将探讨企业如何构建这些系统、它们可以使用的工具和平台以及最有可能从代理 AI 的兴起中受益的行业。我们将仔细研究代理 AI 如何重塑营销、销售、网络安全、客户服务和业务运营。我们还将探讨新兴的监管格局,以及如何使用合理的 AI 治理原则帮助您在开拓前进的同时保持用户和合作伙伴的信任。敬请期待 AI 驱动业务的未来。
原创文章,作者:王 浩然,如若转载,请注明出处:https://www.dian8dian.com/agentic-ai-shen-ru-tan-jiu-zi-dong-hua-de-wei-lai