以下著作起头于 AI Prime 凯时体育游戏app平台，作家 Ace
作家 |Ace
起头 | AI Prime 管默然慧 AI+
参议合作 | 13699120588
著作仅代表作家本东谈主不雅点
AI 智能体是咱们用来与 AI 交互的器用。它们不错自动化并现实复杂的任务，举例天然讲话处理，这些任务常常需要东谈主类来完成。
AI 智能体是一种软件组件，具有代表用户或系统现实任务的才调。用户不错将代理组织成系统，这些系统不错编排复杂的责任流，调和多个代理之间的活动，将逻辑应用于辣手的问题，并评估对用户查询的回答。
如若你也曾与客户功绩聊天机器东谈主互动过，或者让生成式 AI 模子为你写一首十四行诗，那么你很可能如故老成了 AI 智能体的低级版块。如若你闪耀到自 ChatGPT 引颈主流以来，生成式 AI 的性能有所训诲，那你的嗅觉没错。诚然各式形式的 AI 智能体如故存在多年，但现在生成式 AI 模子的天然讲话处理才调开释了大王人新的可能性，使得代理系统或者酌量、吞并和完成任务——以致学会改进本人的性能。跟着代理变得越来越准确，公司不错越来越多地使用它们来自动化组织经过，并匡助提高职工的平常责任效力。
麦肯锡高档结伴东谈主 Lari H ä m ä l ä inen 清楚："生成式 AI 的发展速率极快。" "如今，东谈主机荟萃的放胆不错产生高质料和高坐褥力。" 近期在短期和恒久顾虑结构方面的发展使这些代理或者更好地个性化与表里部用户的互动，这意味着代理在处理被条款的任何任务时王人在赶快变得更好。瞻望异日，它们将变得愈加出色；简而言之，AI 智能体正在从想考转向行径。在曩昔的 18 个月里，谷歌、微软、OpenAI 等公司已投资于软件库和框架以补助代理功能。况且跟着诸如微软 Copilot、亚马逊 Q 以及谷歌行将推出的 Project Astra 等由大型讲话模子 ( LLM ) 驱动的应用的出现，代理正在从基于常识的器用转向更基于行径的器用。在不久的将来，代理可能会像今天的挪动应用程序一样宽广。
有哪些不同类型的 AI 智能体？
AI 智能体不错把柄其才调、变装、手段以及被测验来达成的放胆进行分类。以下是现在正在创建的一些代理的不全王人列表：
个东谈主增强（"副驾驶"代理）：这些代理充任个东谈主用户的副驾驶，旨在增强该用户的坐褥力和才调。诸如微软的 365 Copilot 和 OpenAI 的 ChatGPT 等副驾驶代理不错协助草拟骨子、编写代码或检索常识。在某些情况下，副驾驶代理不错当作针对用户特定责任经过量身定制的"智能"助手。天然，这类代理的影响取决于每个职工本人的动机和参加进程。
责任流自动化平台：这类代理专注于自动化单步或多步任务或较小的责任流，充任现存责任流的 AI 驱动的经过编排器和现实器。此类代理的示例包括微软的 Copilot Studio 和 Salesforce 的 Agentforce（面前正在开荒中）。由于这些代理主要应用于现存经过，其胜利将依赖于在实施、变更管束和代理管束方面的大王人参加。
面向领域措置决策的生成式 AI 原生代理：这些是为特定业务领域或职能构建的专用措置决策。示例包括 AI 驱动的客户功绩系统或补助 AI 的软件开荒活水线。生成式 AI 原生代理以 AI 为措置决策的中枢来从头构想特定领域，而不是像传统 AI 智能体那样将 AI 重叠到现存的变装或责任流上。
AI 原生企业和运营模式：这些代理邻接于总共这个词企业运营模式中，而不是应用于单个责任流或职能。在这些情况下，公司会进行端到端的 AI 优先从头设计，其中交互层、经过、组织结构以致营业模式王人会被从头构想。企业在初次进行数字化转型时资格了这种量级的变革，不异的情况很可能在 AI 领域发生。
AI 假造职工：AI 假造职工是当作职工或团队成员运作的代理，代表了最具潜在颠覆性的代理类别。这些假造职工不错使公司绕过全面的组织转型，允许 AI 在公司现存模式内运作，这可能有助于更快地获取价值。
这些 AI 智能体并非互相摒除。很多组织将追求夹杂策略——举例，在延伸个东谈主 AI 副驾驶的同期，自动化采用的责任流并试点一些假造职工。
AI 智能体是若何责任的？
AI 智能体不错补助跨行业和业务职能的高度复杂和腌臜的用例。它们不错使用为东谈主类设计的器用（如汇注浏览器），也不错使用为运筹帷幄机设计的器用（如 API）。同期具备这两种才调使得 AI 智能体或者活泼地突出组织表里的时期架构进行操作，而无需对这些架构进行紧要修改。
AI 智能体的责任过程常常辞退四个程序：
1. 用户给代理系统分拨任务。 AI 智能体自主责任，酌量并推导若何完成任务。
2. 代理系统酌量、分拨和现实责任。AI 智能体系统将责任流判辨为任务和子任务，由一个管束者代理分拨给其他有利的子代理。这些有利的代理期骗先前的阐发和习得的领域专科常识，互相调和，并使用组织和外部数据来现实任务。
3. 代理系统可能迭代改进输出。代理系统可能会苦求颠倒的用户输入以确保准确性和关系性。一朝委用最终输出，代理系统可能会苦求用户反馈。
4. 代理现实行径。代理现实任何须要的操作以全王人完成任务。
由生成式 AI 赋能的代理很快就能像超高效的假造共事一样责任。
一个代理系统若何现实从提醒到输出的责任流的暗示图：
运行 -> 用户使用天然讲话提醒生成式 AI 智能体系统完成任务。-> 代理系统解释提醒并制定责任计划。一个管束者代理将技俩细分为分拨给行家代理的任务；他们从多个起头采集和分析数据，并互相吞并以现实各自的任务。-> 代理团队与用户共享草稿输出。-> 代理团队接登科户反馈，然后相应地迭代和完善输出。-> 收尾。
( 代理系统包含：管束者代理、分析师代理、检讨者代理、酌量师代理等行家代理。行家代理与外部系统交互：代理与数据库和系统——包括组织和外部数据——进行交互以完成任务。 )
任何 AI 智能体的部署王人应包含一系列放胆措施。举例，成立性的反馈轮回允许代理审查和完善其责任。AI 智能体也不错被编程为自学措置问题或将其上报给东谈主类管束者。代理也不错更好地协同责任：一个月旦者行家代理不错审查一个创建者代理制定的计划并条款迭代，从而产生更好的输出。一些 AI 智能体以致不错径直向管束者发问。组织还不错开荒有利的代理，把柄谈德和偏见问题自动测试和更正其他代理的输出。
AI 智能体与 LLM（大型讲话模子）有何关系？
AI 智能体与不同的 AI 模子协同责任以完成任务。当用于与东谈主类交流时，AI 智能体会与配备了天然讲话处理才调的 LLM 合作。以自动驾驶汽车为例，它运行在一系列与各式 AI 模子协同责任的代理上。沉着默契用户想去那处的 AI 智能体可能会使用 LLM。但是，沉着确保汽车左转安全的代搭理使用高度专科化的设计模子，而不是 LLM 来作念这种特定类型的决策。
AI 代理可能若何影响业务增长？
麦肯锡预计，从永久来看，生成式 AI 的企业用例每年可能创造高达 4.4 万亿好意思元的价值。可是，除非组织或者快速实施 AI 来从头构想和调换责任形式，不然它们无法将这种后劲滚动为业务增长和更高的坐褥力。AI 代理不错比其他旧时期更快、更好、更低廉地挖掘这座价值宝库。
但生成式 AI 的价值不单是在于自动化常见的责任任务。麦肯锡预测，组织不错部署 AI 智能体来匡助从头构想经过并已毕其 IT 基础设施的现代化。这可能包括从切换到更易于使用的编程讲话、过渡到提供更多功能的现代框架，到重构系统使其更具模块化，以及将应用程序迁徙到更低廉的云运筹帷幄环境运行等一切事务。时期指点者不错使用多个有利的 AI 智能体，每个代理王人具有独有的变装和专科常识，以吞并处理复杂任务，并把柄东谈主类的反馈进行及时迭代。可是，信得过的价值将来自于编排代理以完成闹翻的任务以及总共这个词软件开荒过程。
一些行业如故在按期部署 AI 智能体。举例，客户功绩机器东谈主在很多面向客户的网站上已成为标配。把柄麦肯锡对于生成式 AI 经济后劲的相干，使用补助生成式 AI 的客户功绩代理的组织，每小时的问题措置率提高了 14%，处理问题所糜掷的时期减少了 9%。麦肯锡高档结伴东谈主 Jorge Amar 清楚："跟着时期的推移，我计算生成式 AI 智能体将提高客户空闲度并创造收入。它们在销售新功绩或知足更庸俗的需求方面将至关紧迫。""这将为公司开辟更庸俗的客户体验聘请，举例提供更多与东谈主类代理的高来回互动当作升值功绩。"
更普随处说，补助生成式 AI 的代理不错通过三种紧迫形式潜在地简化复杂费例的自动化：
代理不错更容易地处理不太可预测的情况。基于轨则的系统在遭遇轨则设计者未料意料的情况时时时会失效。比拟之下，生成式 AI 智能体系统不错处理给定用例的各式场景。因为它们是使用基础模子构建的，这些模子如故在大型、非结构化数据集上进行了测验，是以生成式 AI 智能体不错及时适合不同的场景并现实有利的任务。
代理系统不错通过天然讲话进行带领。天然讲话处理不错使用户比以往任何时候王人更快、更容易地编码复杂的责任流。用天然讲话处理编码的生成式 AI 智能体不错使更庸俗的职工或者构想和使用 AI 器用来已毕放胆，而无需有利编程或编排更大的 IT 技俩。
代理不错与现存的软件器用和平台协同责任。生成式 AI 智能体运行在基础模子上，这使得代理或者使用器用并在更庸俗的数字生态系统中进行通讯。如若莫得基础模子，这些才调将需要大王人的手动责任来集成系统或整理不同系统的输出。代理不错显赫减少跨系统集成所需的责任量和返工量。此外，把柄麦肯锡结伴东谈主 Aaron Bawcom 的说法，"现代理协同责任时，它们的才调不错把柄环境发生复合反应。它们不错发展出未被明确编程的意生手为和手段，其效果大于各部分之和。这即是所谓的涌现式 AI。"
有公司使用 AI 智能体的竟然案例吗？
期许（Lenovo）已在其业务的两个主要领域部署了 AI 智能体：软件工程和客户补助。该公司措置决策与功绩集团首席时期官 Arthur Hu 清楚，公司的软件工程师如故看到了高达 15% 的效力训诲。该公司的首席运营官兼政策沉着东谈主 Linda Yao 补充说，客户功绩方面在通话处理时期上已毕了两位数的坐褥力增长。
迄今为止，期许已将生成式 AI 智能体优化为假造助手。Yao 设计，异日 AI 智能体将当作东谈主类的副手，被部署去孤立完成任务。
AI 智能体还有哪些其他的企业用例？
以下是三个假定性的用例，让咱们得以一窥异日 AI 智能体可能已毕的功能：
贷款审批。一个包含多个专科代理的 AI 智能体系统不错处理各式信用风险场景。曩昔，这常常是一个耗时且高度吞并的过程，波及汇编、分析和审查与借债东谈主、贷款类型和其他变量关系的各式信息。
代码文档化和现代化。大型企业的留传软件应用程序和系统常常存在安全风险，并可能拖慢业务改进的顺次。AI 智能体不错匡助简化这些系统的现代化过程。举例，公司不错部署一个有利的代理应作留传软件行家来分析旧代码，而另一个——质料保证代理——则不错评审文档并迭代地完善 AI 的输出，以确保准确性并顺从组织圭臬。
在线营销活动。设计、启动和运行在线营销活动可能是一个复杂、多档次的过程，波及很多不同的东谈主。单个 AI 智能体系统不错把柄公司营销专科东谈主员的输入来开荒、测试和迭代营销活动创意。然后，数字营销代理不错采集知悉以制定策略和案牍，而设计代理不错构建定制化的骨子。
组织在吸收 AI 智能体方面靠近哪些闭塞？
麦肯锡结伴东谈主 Nicolai von Bismarck 清楚，建立信任是吸收 AI 智能体时期的一大闭塞："咱们发现，总共年事段的客户——以致是 Z 世代——在寻求客户匡助和补助时仍然更心爱及时的电话交谈。" 他接着说，一家银行通过创建一个架构来措置这个问题，该架构在将谜底共享给客户之前检讨 AI 智能体的装假或"幻觉"，从而减少了不正确反应的数目并建立了信任。
麦肯锡结伴东谈主 Roger Roberts 说："那些从 AI 中获取最大价值的公司，将是那些与其客户、职工和利益关系者建立信任的公司。东谈主们必须富饶信任 AI，才调将任务交给它。公司的谈德决策必须植根于每个组织独有的价值不雅以及将东谈主类置于 AI 生态系统中心的社会价值不雅。"
把柄麦肯锡高档结伴东谈主 Amar 的说法，另一个挑战将是组织在扩展 AI 智能体过程中的变革管束。"这远比只是推出一套新器用要庸俗得多，"他说。"公司需要从头吞并各职能部门的责任形式，以便从生成式 AI 智能体中获取沿路价值。"这种从头吞并包括吸收新时期，以及对现存时期进行诊治，使其能更好地与基于机器学习和生成式 AI 的器用协同责任。组织还应诊治其运营模式，以补助迭代开荒新功绩的微型团队。更紧迫的是，指点者应创建激发机制，匡助职工学习若何使用——并信任——这些新器用。
终末，"数据保护是指点者在部署 AI 智能体时靠近的一个主要担忧，"麦肯锡结伴东谈主 Bawcom 说。正在扩充 AI 智能体计划的公司应严慎实施妥当的安全、运营和数据放胆措施。有很多束缚发展的现成和定制方法及措置决策。
AI 智能体可能若何改换组织的科技架构？
AI 智能体的普及可能会改换组织运行那时期技俩的形式。麦肯锡计算，IT 架构将从传统的以应用为中心的模式转向新的多代理模子。在这种类型的架构中，时期指点者监管着多达数千个互疏浚讯、并与东谈主类和外部程序通讯以已毕共同酌量的代理。
以下是时期指点者不错在其现时环境中部署代理的三种形式（图表 2）：
•超等平台 ( Super platforms ) 。这些是下一代的第三方业务应用程序，举例吞并器用或客户关系管束 ( CRM ) 程序，它们内置了生成式 AI 智能体。举例，用户不错部署一个 CRM 超等平台来运行销售陈述，同期自动与公司的分析器用进行通讯。曩昔，这需要针对特定用例进行编程。
• AI 包装器 ( AI wrappers ) 。这些器用允许企业功绩通过 API 与第三方功绩进行通讯和吞并，而无需流露公司的专罕见据。举例，一家银行不错围绕里面开荒的、AI 驱动的信用风险模子构建一个补助生成式 AI 的包装器。然后，这个 AI 包装器不错启动操作，举例条款供应商的 LLM 把柄客户数据和信用评分生成风险身分，而无需向供应商以致 LLM 通晓这些数据。
•自界说 AI 智能体 ( CustomAIagents ) 。职工不错通过微调预测验的 LLM 或使用检索增强生成 ( RAG ) 打听公司的专罕见据来开荒自界说的生成式 AI 代理。举例，在客户功绩场景中，职工不错用客户数据、招呼中心纪录和公司政策来"喂养"现存模子，以创建一个生成式 AI 智能体，协助招呼中心职工恢复客户问题。组织将需要诊治其 IT 架构，以更好地功绩于这些新的以代理为中心的责任流，并允许捏续迭代和改进。
架构可能跟着三种 AI 赋能模式演变。现时赋能模式：SaaS、打包应用、平台化应用、里面定制开荒。
AI 赋能模式：
1. 第三方超等平台：通过第三方平台已毕 AI 赋能。最妥当快速部署行业圭臬才调（如 CRM、ERP）。
2.AI 包装器 + 第三方：企业创建我方的 AI 包装器，使第三方或者通过 API 打听与企业平台交互。适用于在保捏活泼性和保护专罕见据的同期，获取最新的改进。
3. 自界说 AI 智能体：通过塑造先前测验的大型讲话模子构建全栈 AI 智能体。适用于保护专罕见据和创造互异化的常识产权。
组织不错采取哪些程序来实施 AI 智能体？
指点者不错良善三个紧迫领域：
1.仔细审查任何时期长、需要大王人东谈主力的时期提案。这意味着要审查总共大型提案，以笃定生成式 AI 若何或者收敛成本并镌汰时期表。指点者应付那些宣称整合了生成式 AI 才调的提案保捏非常警惕，因为这些才调在价值后劲方面可能是有限的或辅助性的。
2.良善最大的问题。小领域的举措常常只会带来小领域的放胆。1 因此，公司最佳识别出最大、最复杂的时期问题——那些成本精深、时期跨度长达数年，并酿成严重时期债务的问题——并将生成式 AI 的使用重心放在措置这些问题上。
3. 事先接洽东谈主才、时期和运营模式的影响。跟着多代理方法的扩展，指点者需要默契并酌量其业务影响。1 包括从头想考他们的东谈主才政策和再培训计划，相应地诊治他们的运营模式，并从头评估他们的运营和成本开销。
AI 智能体的演进才刚刚运行，还有很多学习和发现存待进行。AI 智能体领域的很多责任正在从实验室走向全面应用。AI 智能体提供了新的才调，有助于从头构想各式行业和领域的组织中东谈主们的责任形式。
