自从 ChatGPT 出现以来，企业一直在关注人工智能及其如何帮助他们应对关键业务挑战。一切始于大型语言模型 (LLM) 驱动的聊天机器人和搜索工具，它们使用户能够快速找到答案和见解。但现在趋势已转向复合人工智能代理- 能够执行多步骤推理并处理支持票证管理、回复电子邮件和预订等任务的系统。
几个月前， Salesforce宣布推出 AgentForce，引发了 AI 代理浪潮。现在，这些系统正在深入企业堆栈。例如：总部位于德克萨斯州的初创公司RapidCanvas声称其情境感知 AI 代理可以在自定义 AI 部署期间自动执行 70% 的数据任务。
该公司已筹集了 1600 万美元的 A 轮融资，以进一步加速其基于代理的平台的扩展。事实上，PayPal、Suzlon 和 MTE Thomson 等企业已在其工作流程中使用该平台，将价值实现时间缩短了十倍，并将实施成本降低了 80%。
RapidCanvas AI 代理解决 AI 部署瓶颈
在执行 AI 项目时，组织经常会因为技术人才短缺（由于需求量大）而陷入困境。即使他们设法聘请到技术熟练的工程师或外部顾问，这些团队也必须花费大量时间进行编码和数据科学任务——从集成数据资产，到准备、转换和建模，再到将下游用例投入生产。这会使实施时间延长数月，影响投资回报率和业务增长。
为了解决这个问题，负责风险策略和架构的前 PayPal 高管 Rahul Pangam 和 Uttam Phalnikar 联手推出了 RapidCanvas。
Pangam 说：“RapidCanvas 的目标是彻底改变企业构建可靠、可定制的 AI 解决方案的方式，而无需技术专家团队；我们的平台采用结合 AI 代理和专家的混合方法，为业务和运营团队提供支持。”
从本质上讲，RapidCanvas 平台为企业提供内容感知的 AI 代理，这些代理可以通过自然语言提示来处理多项数据工程和科学任务，从数据提取、编排和准备到支持分析、应用程序、管道、自动化和建模。
Pangam 表示，代理通过直接收集的上下文信息（用户提供的业务术语）以及来自连接系统（CRM、数据平台、支持票务系统）来丰富其提示，从而代表用户执行这些任务。它还会考虑用户试图解决的问题以及从以前的项目中收集的上下文，以确保任务以最佳方式运行。
Pangam 表示，这使得企业能够比人类更快、更经济地处理高达 70% 的数据任务。此外，他们还可以将准备好的数据与可视化画布结合使用，以部署相关应用程序。
但问题就在这里。虽然这项服务减少了对数据工程师等技术人才的依赖，但并没有消除他们的需求。工作流程中剩余的 30% 的工作（涵盖系统设计、假设检验和解决问题等方面）由人类专家完成。Pangam 表示，一家之前可能雇用 10 名专家工程师的公司在使用 RapidCanvas 代理构建 AI 项目时只需要一两名专家工程师。
挑战 DataRobot、Dataiku
RapidCanvas 正在与DataRobot 、Dataiku、Palantir 和 Alteryx等领先公司展开竞争。不过，该公司表示，其人机混合方法是一个关键的差异化因素。
Pangam 解释道：“在任何传统的数据科学机器学习供应商中，非程序员构建端到端 AI 解决方案的主要方式是使用无代码模板。”“例如，如果我想合并两个数据集，我必须从 UI 中选择‘连接’模板，添加数据集，连接条件以指示哪些列要匹配索引，设置连接类型，然后定义输出列。另一方面，使用 RapidCanvas，用户指示代理合并两个特定数据集，它会自动生成代码来合并它们。这是因为代理已经具有表类型、索引和架构、大小、连接类型、数据类型等的先前上下文。”
此外，首席执行官指出，公司在订阅服务中提供人工专家。此人将担任顾问，在关键决策点为团队提供创意，并支持执行复杂操作、验证结果和了解行业最佳实践。用户可以选择这项由人工专家支持的计划，也可以选择每位用户每月支付固定费用的自助平台服务。
制造业、零售业、基础设施和金融服务领域的多家企业（包括财富 200 强企业）已经开始采用 RapidCanvas 作为其 AI 开发管道。该公司的早期客户包括 PayPal、SFR、Suzlon、AutoFi 和 MTE Thomson。
展望未来，该公司计划扩大客户群并进一步增强其人工智能代理，以确保他们能够在多代理、人机循环支持的设置中协同工作以自动化和简化复杂的工作流程。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/rapidcanvas-ru-he-wei-gen-ai-xiang-mu-zi-dong-zhi-xing-70
