德勤近期发布了一份名为《How AI agents are reshaping the future of work》的报告，深入探讨了Generative AI（生成式人工智能）的扩展功能、应用场景及其对企业产生的深远影响。报告揭示了一个正在发生的转变：AI agents正通过独特的能力，逐步重塑我们的工作方式和业务流程。
在当前的商业环境中，Generative AI已经展现出了巨大的潜力，显著提升了企业的运营速度和生产力。然而，大多数组织仍停留在利用大型语言模型（LLM）和基于Generative AI的工具作为辅助角色的阶段，即人类提供指令，AI快速生成响应。这种互动模式虽然在一定程度上简化了日常工作，但其应用范围相对有限，主要集中在事务性任务上。
随着AI技术的不断进步，我们有必要将目光投向更为广阔的领域：重新设计整个工作流程。想象一下，如果Generative AI不仅能响应请求，还能像一个熟练的合作伙伴一样，规划整个流程以解决复杂问题，那将为企业带来怎样的变革？更进一步，如果AI能够自主地端到端地编排流程，利用必要的数据、数字工具和上下文知识来实现目标，那么企业的生产力和效率无疑将得到质的飞跃。
AI agents之所以如此重要，是因为它们不仅理解了上下文的含义，还具备了规划工作流程、接入外部工具和数据，并执行必要动作以实现目标的能力。这与传统的LLM驱动的聊天机器人形成了鲜明对比。传统的聊天机器人在处理多步骤提示时往往力不从心，更无法从单一提示中规划和执行整个工作流程。它们遵循的是“输入－输出”的传统应用程序模式，面对需要分解为多个小任务的请求时，可能会感到困惑。相比之下，AI agents能够克服这些限制，利用特定领域和任务的数字工具来高效完成更为复杂的任务。例如，具备长期记忆的AI agents可以持续追踪客户与数字渠道的互动，包括电子邮件、聊天和电话等，从而不断学习和优化个性化推荐。这种能力使得AI agents能够自动化整个端到端的流程，特别是那些需要复杂推理、规划和执行的流程。
AI agents还在为人机协作开辟新的范式，它们通常包括标准任务agent（如用户界面和数据管理agent）与专业技能和工具agent（如数据提取器或图像解释器agent）的协同工作。每个AI agent的核心都是一个语言模型，它能够提供对语言和上下文的深层语义理解。这种设计允许AI agent之间共享知识，提升流程的质量和一致性。
通过将复杂的流程分解为多个任务，并将任务分配给优化以执行任务的agent，同时在工作流的每个阶段协调agent和人工的协作，这种系统已被证实能够更有效地产出高质量、迅速且值得信赖的结果。Multiagents AI Systems（多代理人工智能系统）不仅能推理并代表用户行动，还能在几分钟内编排复杂的工作流程。
AI agents和Multiagents AI Systems的主要优势包括：强大的能力、高效的生产力、自我学习和适应性、高度的准确性、卓越的智能以及透明度。它们能够自动与多种工具交互，完成单一语言模型无法单独实现的任务。根据简单的提示规划并执行复杂的工作流程，大幅提高工作效率，推理并规划新策略，快速接入新的实时数据源，并与其他代理协作以协调和执行输出。“Validator”agents来测试和提升“Creator”agents的输出质量与可靠性；当专注于特定任务的AI agents协同工作时，每个AI agent都运用自己的工具和推理能力，并结合各自的记忆资源，从而实现机器智能的新高度，展示AI agents之间的沟通和推理过程，增强了对人工智能输出的解释能力。
总之，AI agents正在为企业开辟新的可能性，通过自动化业务流程来提升生产力和程序交付的效率。随着技术的不断发展，AI agents将在未来扮演更加重要的角色，成为企业转型升级的重要驱动力。
发表评论