我们距离 RPA 已经有很长的路要走：人工智能代理如何彻底改变自动化

在过去的一年里，自动化竞赛愈演愈烈，人工智能代理成为企业效率的最终游戏规则改变者。尽管生成式人工智能工具在过去三年中，人工智能代理取得了显着的进步，成为企业工作流程中的宝贵助手，现在人们的注意力已经转移到能够自主思考、行动和协作的人工智能代理上。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智能体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 Google Brain 创始人吴恩达 (Andrew Ng) 恰当地指出的那样：“由于代理工作流程，人工智能可以执行的任务集将急剧扩展。”这标志着组织如何看待自动化潜力的范式转变，超越了预定义的流程，动态、智能的工作流程。

传统自动化的局限性

尽管有这样的承诺，传统的自动化工具却受到刚性和高实施成本的限制。在过去的十年中，机器人流程自动化 (RPA) 平台如UiPath和自动化无处不在一直在努力应对缺乏清晰流程或依赖非结构化数据的工作流程。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。

当前的一代人工智能工具ChatGPT 和 Claude 等拥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引入了瓶颈，限制了效率提升和可扩展性。

垂直AI代理的出现

随着人工智能生态系统的发展，垂直人工智能代理正在发生重大转变——专为特定行业或用例设计的高度专业化的人工智能系统。正如微软创始人比尔·盖茨在一次演讲中所说最近的博客文章： – 代理更聪明。他们非常主动，能够在您提出建议之前就提出建议。他们跨应用程序完成任务。随着时间的推移，他们会不断进步，因为他们会记住您的活动并识别您行为的意图和模式。—

与传统的软件即服务 (SaaS) 模式不同，垂直人工智能代理不仅仅是优化现有工作流程；他们完全重新构想它们，为生活带来新的可能性。以下是垂直人工智能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：垂直人工智能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，垂直人工智能从根本上重新构想工作流程。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快速变化的环境中具有高度相关性。HIPAA、SOX、GDPR、CCPA 等监管合规性以及新的和即将出台的人工智能法规可以帮助这些代理在高风险市场中建立信任。此外，针对特定行业定制的专有数据可以创造强大的、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 向能够自主决策和协作的多智能体人工智能系统的转变。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。这些代理正在从简单的工具发展成为真正的协作者，从而改变企业工作流程和系统。这种重新构想发生在多个层面：

• 记录系统：人工智能代理喜欢路特拉人工智能和相关性人工智能整合不同的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，使组织能够从孤立的数据中无缝提取可操作的见解。
• 工作流程：多代理系统通过将复杂的任务分解为可管理的组件来自动化端到端工作流程。例如：像这样的初创公司认识自动化软件开发工作流程，简化编码、测试和部署，同时观察.AI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的询问。
  • 真实案例研究： 在一个最近的采访联想的 Linda Yao 表示，“通过我们的新一代人工智能代理来帮助支持客户服务，我们看到呼叫处理时间的生产力提高了两位数。”我们在其他地方也看到了令人难以置信的进步。例如，我们发现营销团队将制作出色的宣传手册所需的时间缩短了 90%，并且还节省了代理费用。
• 重新构想的架构和开发工具：管理人工智能代理需要工具的范式转变。平台如人工智能代理工作室Automation Anywhere 使开发人员能够设计和监控具有内置合规性和可观察性功能的代理。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，使员工能够专注于战略计划。Yurts AI 等初创公司优化了跨团队的决策流程，促进了人工与代理的协作。根据麦肯锡的说法，“理论上，当今全球经济中 60% 到 70% 的工作时间可以通过应用各种现有技术功能（包括人工智能）实现自动化。”

未来展望：随着代理获得更好的记忆力、先进的编排能力和增强的推理能力，他们将以最少的人工干预无缝管理复杂的工作流程，重新定义企业自动化。

准确性的必要性和经济性的考虑

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，他们面临着复杂的准确性挑战。每个额外的步骤都会引入潜在的错误，从而成倍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 (Geoffrey Hinton) 警告说：“我们不应该害怕机器思考；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要，以确保自动化流程的高精度。

举个例子：人工智能代理在执行单个任务时的准确度为 85%，但在执行两个任务时总体准确度仅为 72% (0.85 × 0.85)。随着任务结合到工作流程和作业中，准确性进一步下降。这就引出了一个关键问题：部署在生产中正确率仅为 72% 的 AI 解决方案是否可以接受？当添加更多任务时准确性下降时会发生什么？

应对准确性挑战

优化 AI 应用程序以达到 90% 至 100% 的准确度至关重要。企业无法承担低于标准的解决方案。为了实现高精度，组织必须投资于：

• 稳健的评估框架：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：监控生产中的人工智能性能并利用用户反馈进行改进。
• 自动优化工具：采用自动优化人工智能代理的工具，而无需仅依赖手动调整。

如果没有强有力的评估、可观察性和反馈，人工智能代理风险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

随着组织更新其人工智能路线图，出现了一些教训：

• 敏捷：人工智能的快速发展使得长期路线图充满挑战。策略和系统必须能够适应，以减少对任何单一模型的过度依赖。
• 注重可观察性和评估：建立明确的成功标准。确定准确性对您的用例意味着什么，并确定可接受的部署阈值。
• 预计成本降低：人工智能部署成本预计将大幅下降。a16Z 最近的一项研究发现 LLM 推理成本在三年内下降了 1,000 倍；成本每年下降 10 倍。这一削减计划为以前成本过高的雄心勃勃的项目打开了大门。
• 快速实验和迭代：采取人工智能优先的心态。实施快速实验、反馈和迭代的流程，旨在实现频繁的发布周期。

结论

人工智能代理作为我们的同事在这里。从代理 RAG 到完全自主的系统，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？

罗汉·夏尔马 (Rohan Sharma) 联合创始人兼首席执行官Zenolalabs.AI。数据决策者