在过去的一年里，自动化竞赛愈演愈烈，人工智能代理逐渐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的重要助手——但现在人们的注意力转向了能够自主思考、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浪潮的企业来说，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%。
正如谷歌大脑创始人吴恩达所言：“由于代理工作流程的存在，人工智能能够完成的任务将大幅增加。”这标志着组织对自动化潜力的看法发生了范式转变，从预定义的流程转向动态、智能的工作流程。
传统自动化的局限性
尽管传统自动化工具前景光明，但它们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) 平台一直在努力解决缺乏明确流程或依赖非结构化数据的工作流程问题。这些工具模仿人类行为，但通常会导致系统脆弱，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，例如 ChatGPT 和 Claude，具有先进的推理和内容生成能力，但缺乏自主执行能力。它们对复杂工作流程的人工输入的依赖带来了瓶颈，限制了效率提升和可扩展性。
垂直人工智能代理的出现
随着人工智能生态系统的发展，垂直人工智能代理（为特定行业或用例设计的高度专业化的人工智能系统）正在发生重大转变。正如微软创始人比尔·盖茨在最近的一篇博客文章中所说：“代理更聪明。它们积极主动——能够在你提出要求之前就提出建议。它们跨应用程序完成任务。它们会随着时间的推移而不断改进，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 AI 代理不仅能优化现有工作流程，还能彻底重塑工作流程，带来新的可能性。以下是垂直 AI 代理成为企业自动化领域下一个重大事件的原因：
- 消除运营开销：垂直 AI 代理自主执行工作流程，无需运营团队。这不仅仅是自动化；它完全取代了这些领域的人工干预。
- 释放新的可能性：与优化现有流程的 SaaS 不同，垂直 AI从根本上重新构想了工作流程。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：人工智能代理的实时适应能力使其在当今瞬息万变的环境中具有高度相关性。法规合规性，例如 HIPAA、SOX、GDPR、CCPA 以及即将出台的新 AI 法规，可以帮助这些代理在高风险市场中建立信任。此外，针对特定行业量身定制的专有数据可以创造强大、可防御的护城河和竞争优势。
从 RPA 到多智能体 AI 的演变
自动化领域最深刻的转变是从 RPA 过渡到能够自主决策和协作的多智能体 AI 系统。根据 Gartner 最近的一项调查，到 2028 年，这一转变将使 15% 的日常工作决策能够自主做出。这些智能体正在从简单的工具演变为真正的协作者，从而改变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 AI 代理集成了各种数据源，以创建多模式记录系统。这些代理利用 Pinecone 等矢量数据库来分析文本、图像和音频等非结构化数据，使组织能够无缝地从孤立的数据中提取可操作的见解。
- 工作流：多代理系统通过将复杂任务分解为可管理的组件来自动化端到端工作流。例如：像Cognition这样的初创公司可以自动化软件开发工作流，简化编码、测试和部署，而Observe.AI则通过将任务委派给最合适的代理并在必要时升级来处理客户查询。
- 真实案例研究：在最近的一次采访中，联想的 Linda Yao 表示：“借助我们的新一代人工智能代理帮助支持客户服务，我们看到呼叫处理时间的生产效率提高了两位数。而且我们在其他地方也看到了令人难以置信的增长。例如，我们发现营销团队将编写出色的宣传手册所需的时间缩短了 90%，还节省了代理费用。”
- 重新构想的架构和开发人员工具：管理 AI 代理需要工具范式的转变。Automation Anywhere 的AI Agent Studio等平台使开发人员能够设计和监控具有内置合规性和可观察性的代理。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的客户支持场景，让员工可以专注于战略计划。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，“从理论上讲，通过应用包括人工智能在内的各种现有技术能力，当今全球经济中 60% 到 70% 的工作时间可以实现自动化。”
未来展望：随着代理获得更好的记忆、先进的编排能力和增强的推理能力，它们将以最少的人为干预无缝管理复杂的工作流程，重新定义企业自动化。
准确性要求和经济考虑
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，它们面临着日益复杂的准确性挑战。每增加一个步骤都会引入潜在的错误，从而增加并降低整体性能。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；我们应该害怕机器不假思索地行动。”这凸显了对强大的评估框架的迫切需求，以确保自动化流程的高准确性。
举个例子：一个 AI 代理在执行单个任务时准确率为 85%，但在执行两个任务时（0.85 × 0.85），总体准确率仅为 72%。随着任务组合成工作流和作业，准确率进一步下降。这引出了一个关键问题：在生产中部署正确率仅为 72% 的 AI 解决方案是否可以接受？如果随着更多任务的增加，准确率下降会发生什么？
应对准确性挑战
优化 AI 应用程序以达到 90% 至 100% 的准确率至关重要。企业无法承受低于标准的解决方案。为了实现高精度，组织必须投资于：
- 强大的评估框架：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：监控生产中的 AI 性能并利用用户反馈进行改进。
- 自动优化工具：使用自动优化 AI 代理的工具，而不仅仅依赖于手动调整。
如果没有强大的评估、可观察性和反馈能力，人工智能代理就有可能表现不佳并落后于优先考虑这些方面的竞争对手。
迄今为止的经验教训
随着各组织更新其 AI 路线图，我们得到了以下几点教训：
- 敏捷：人工智能的快速发展使长期路线图充满挑战。战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。确定准确性对于您的用例意味着什么，并确定可接受的部署阈值。
- 预计成本会降低：预计人工智能部署成本将大幅下降。a16Z最近的一项研究发现，LLM 推理的成本在三年内下降了 1,000 倍；成本每年下降 10 倍。规划这一削减将为以前成本高昂的雄心勃勃的项目打开大门。
- 快速试验和迭代：采用 AI 优先的思维方式。实施快速试验、反馈和迭代的流程，以实现频繁的发布周期。
结论
AI 代理是我们的合作伙伴。从代理 RAG 到完全自主系统，这些代理将重新定义企业运营。接受这种范式转变的组织将释放无与伦比的效率和创新。现在是采取行动的时候了。您准备好引领未来了吗？
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/wo-men-yi-jing-cong-rpa-zou-le-hen-zhang-yi-duan-lu-ai-dai
