智能代理AI：人工智能革命的第三波
智能代理AI可能會將人工智能（AI）推向一個超越生成AI的新層次，儘管它們面臨相同的特徵和挑戰，但也有一些顯著的區別。
Salesforce的首席執行官Marc Benioff稱智能代理AI為該領域快速演變的“第三波”。他在最近的一篇《紐約時報》文章中觀察到：“在短短幾年內，我們已經見證了三代AI的發展。首先是分析數據的預測模型。接著是由深度學習模型如ChatGPT驅動的生成AI。現在，我們正經歷第三波——由智能代理定義的，它們能夠自主處理複雜任務。”
智能代理，或稱智能助手，旨在作為數位同事、助手或客戶服務代表，通過自然語言處理進行交流。Benioff指出，它們“有潛力以以前無法想像的方式增強人類能力”。
“想像一下，企業可以部署一支AI代理的工作隊來管理客戶互動、分析數據、優化銷售策略，並在實時中執行操作任務，幾乎不需要人類監督。”
業界普遍認同，智能代理AI因其狹窄的專注範圍，能帶來新的能力及回報，這是更廣泛的AI無法有效提供的。波士頓諮詢集團（BCG X）高級合夥人Sesh Iyer告訴ZDNET：“智能代理AI將成為下一波釋放大規模價值的浪潮。”
他補充道，這是“重新設計流程和釋放顯著生產力增長的機會”。
與分析型AI和生成AI一樣，智能代理AI需要在明確的倫理和運營指導方針下建設和運行，包括測試以最小化錯誤和建立治理結構。Iyer強調，對所有AI的盡職調查，包括確保合規性和公平性，也是代理的必要條件。
與更廣泛的AI一樣，設計、建設和管理智能代理AI需要合適的技能。他補充道，這種人才在許多組織內可能已經存在，擁有所需的專業知識。“提升你的人力資源以有效管理和使用智能代理AI。發展內部專業知識將是從這些系統中捕捉長期價值的關鍵。”
生成AI與智能代理AI之間也有顯著差異。Mendix的專家David Brault表示：“智能代理AI是專門設計來自主做決策的，通常不需要人類干預，這與生成AI的典型使用方式有所不同。”他指出，有若干特徵和功能將智能代理AI與生成AI區分開來，首先是上下文和專注範圍。
雖然生成AI應用可以針對許多能力和行業，但智能代理AI“專注於特定環境和上下文情況。”因此，智能代理AI目前最佳的使用案例是“可預測且定義明確的任務，錯誤風險低或錯誤影響輕微。”Enthought的首席運營官Michael Connell同意這一觀點。
此外，將智能代理AI與現有系統整合的方式也不同於生成AI。Brault表示：“利用智能代理AI的決策能力通常需要對現有系統進行修改，並與現有API集成，以利用既有的業務邏輯來提高決策準確性。”
為了準備從生成AI轉向智能代理AI，他建議：“從小開始，並戰略性地擴展。確定幾個高影響力的使用案例，例如客戶服務，並運行試點項目來測試和完善代理能力。在這些使用案例的同時，了解新興平台和軟件組件，這些組件支持智能代理AI。”
Iyer強調，這包括超越技術，專注於用戶旅程和相關工作流程。“不要僅僅將努力根植於技術，而是全面考慮代理將改變的工作流程。旨在減少瑣碎任務，提高生產力，並創造更好的人工與機器協作。”
Connell表示：“在企業環境或如材料科學研發或製藥等創新驅動行業應用智能代理AI的挑戰在於這些領域的不確定性和風險更高。”這些更複雜的環境需要代理對於做出可靠、可信的決策有非常細緻的理解。
與分析型AI和生成AI一樣，數據——特別是實時數據——是智能代理AI成功的核心。Connell表示：“了解智能代理AI將如何使用以及驅動代理的數據，以及測試系統是很重要的。要構建AI代理，你需要乾淨的、對某些應用標記的數據，這些數據準確代表問題領域，並且具有足夠的量來訓練和驗證模型。”
Connell補充道，對代理的日益依賴“將需要新的監督框架，特別是在傳統監督模式不足的高風險領域。”這意味著始終需要人類的監督——尤其是在代理被誤用時可能產生意外後果的情況下。
這篇文章提供了一個重要的觀點，即智能代理AI不僅是技術的進步，更是企業運作模式的轉變。隨著這一波AI技術的到來，企業需要重新思考其內部流程和人力資源的管理，才能真正實現智能代理的潛力。在未來，能夠靈活運用智能代理AI的企業將可能在市場中佔據優勢，而那些不適應變革的企業則可能會面臨被淘汰的風險。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
