AI正在从副驾驶员移动到自动驾驶仪。生成人工智能的开发越来越集中于代理AI：使用固定参数内执行任务的AI代理或实现用户设定的目标。
引进代理商
人工智能代理并不是新事物，但它们变得越来越复杂。以其基本形式，它们只是为执行任务而构建的工具，例如像聊天机器人那样将查询回答脚本或从网络中获取信息。这些功能是有限的，不需要进一步输入就不需要后续行动。这种反应性AI系统仅在编程的响应上运行。
具有自主性和适应性的更复杂的AI代理人也已经存在了很长时间。他们控制家庭恒温器并自动化工厂工艺。
但是，这种技术正在迅速发展功能，而不仅仅是提供信息或执行不同的任务。AI代理商由大型语言模型（LLMS）可以根据与环境互动获得的编程规则和信息来分析数据，从中学习并做出决策。
这种适应能力的人工智能可以在追求目标而无需采取规定的道路时执行越来越复杂的动作。使用先进的机器学习和神经网络，它可以理解上下文，分析和应对动态情况，从经验中学习并使用问题解决以及推理做出战略决策。
基于历史统计分析的预测能力增加了另一层，使AI代理能够计划，自动化和执行任务，并考虑具有特定目标的明智决定。他们在获得自然语言提示并没有持续的用户输入后执行任务。它们还可以设计为在迭代过程中相互检查，以提高质量和可靠性。
进度基础
几个发展使AI代理变得更加复杂，同时易于使用。Generative AI提供了自然语言界面，扩大了对AI的访问，尤其是对于精通技术较少的用户而言。生成AI解释用户的提示，然后其他AI完成任务。Google说：生成的AI只是AI难题的一部分。其他AI技术，例如预测性AI，Vision AI和对话AI，对于建立复杂的AI代理至关重要。
计算能力和内存的进步已使大型语言模型和更复杂的机器学习。随着AI系统学习更多数据并提高了他们记住互动的能力，对上下文和计划能力的理解得到了提高。
这些是AI代理的基础，随着越来越多的用户获得访问权限，交互的易于加速。同时，AI本身正在加快创新周期，完善其输出并以更高的速度创建迭代过程。
炒作还是现实？
AI代理可以加快分析和决策，并接管员工的某些职能，但他们仍然没有完全自治。”
决策情报的创始人兼首席执行官兼Google的首席决策者Cassie Kozyrkov说，AI代理人在企业中的主要作用仍然在于以良好的理解和设计良好的过程来接管重复的任务。”
虽然代理AI有巨大的潜力执行越来越复杂的任务，但Pascal Bornet是自动化专家，作者代理人人工智能，指出炒作与现实之间的显着差距。即使有明确的指示，系统仍无法终点执行复杂的任务，尤其是在细微或新颖的情况下，没有某些人类的监督。”
也就是说，该领域正在迅速发展。Bornet将发展比喻为从完全手动到完全自动驾驶汽车的发展，从零级到第五级的评分。目前，根据环境，自动驾驶汽车以2至4级运行。自动化可以处理许多任务，但是需要人类的监督和偶尔干预。
AI代理处于类似阶段。大多数在第二或三级运行，其中一些专业系统在紧密定义的域中达到了第四级。二级代理商完全理解，计划和执行复杂的任务，在任何领域或公司边界上都有最少的人类投入，这仍然是理论上的。
鉴于将折叠功能涉及到连贯系统的挑战，因此完全集成的多模式的代理已经有一定的路程，但Bornet说，构建块已经到位。他说，一些申请，例如为兽医开发的申请英国FT250公司在家宠物，体现音频处理，但多模式系统将需要具有不同类型专业知识的代理的精致编排。
功能应用
尽管某些部门比其他部门比其他部门更能采用代理AI，但可以将其用于大多数企业常见的功能。伯恩特说，这个机会是系统性的。•代理人AI不会来到[单个]部门，所有这些部门都来了。每个带有摩擦的工作流程都是用例等待转换的用例。
目前，代理主要用于内部角色，以获得效率和储蓄，而不是一线增长。一个2025年报告来自英国财务与埃森哲（Accenture）合着的说法：“大多数近期用途都涉及针对生产力和效率提高和改善客户和同事经验的单一机构部署。该贸易机构发现，在金融服务中，旨在增加销售或收入的相对较少的例子。它还指出，大多数部署是由担任主管主管的员工密切监视的。
在整个行业中，可以减少在平凡工作上花费时间来释放员工的人的AI的采用速度比其他地方更快。”
Bornet和他的团队收集了来自167家公司的数据，这些公司在生产环境中部署了他归类为三级基于LLM的代理商的数据。客户服务，内部运营以及销售和营销职能的采用最高，收益范围从时间节省12％至30％的客户服务，30％至90％的内部运营以及将销售和营销团队的收入提高了9％至21％。
应当指出的是，与人一起使用AI代理并不总是会提高性能。美国国家经济研究局对客户服务软件公司的分析发现，AI既改进了问题的解决方案，又削减了时间。然而，正是新员工受益最大，而人工智能通过电子方式转移了经验丰富的人的知识。老手的表现没有改善。”
相反的角色可以是高技能的角色。AI忠诚度云计划平台Antavo的联合创始人兼首席执行官Attila Kecsmar表示，在诸如编程等技术领域，使用AI的人没有足够的了解，对产出的人会很挣扎，而主管工人的生产力和速度将受到增值。”
客户服务
从消费者的角度来看，这是AI最明显的部署，但反馈意见。行业支持者说聊天机器人的表现如何客户调查建议相反。随着客户服务代理的发展，偏好可能会改变，数字本地人更多地构成了消费者基础。更好的响应和24/7支持可以改善客户的看法。
年长的代理商根据设定脚本很快用尽了路，尤其是在复杂的查询中回答了查询。鉴于他们能够记住和响应动态输入的能力，较新的代理人反应迅速。他们能够根据最新的客户数据以及回忆与客户的历史互动来采取行动。
使用Agesic AI，客户服务界面已开发出拨号聊天机器人。Google双子座是大众汽车的背后myvw应用，一个虚拟助手回答了驾驶员对汽车的疑问。
编码
AI在编码中的应用已充分记录。联想在麦肯锡咨询公司的一份报告中说，其工程师的代码生产速度和质量提高了10％。
KECSMAR同意，由代理支持的工程师可以取得更大的成就，但这反过来又将导致人们对人类生产力和绩效的期望上升。给定自然语言界面，外行编写代码越来越可行。
Kozyrkov说，这是代理AI的真正革命。``以前，您必须去接受某种新语言的奥术艺术上的教育，现在您不说母语，它起作用了。”
尽管这是一个机会，但她警告说，这也是在企业中部署AI的最大风险之一。不幸的是，母语很模糊，并不是每个人都知道何时模棱两可。现在，您可以在不考虑的情况下编程机器，因此您会产生意想不到的后果并不令人惊讶。
营销和活动管理
如覆盖我们关于个性化和营销的报告，AI大大扩展了营销部门的范围，使大众传播能够成为较小的细分市场。”
人工智能代理可以进一步采取这一点。Antavo为其品牌客户开发了AI代理，这可以帮助他们设计和交流忠诚度计划和活动。它可以为任何行业中的品牌决定一种适当的方法，并分析数据，并提供有关如何优化和开发程序的图表的想法。它还可以向内看，查找和提供相关信息，以帮助客户服务员工解决消费者的疑问。
人力资源
AI代理可以用于招聘，调度会议，保留和管理，预测营业额并确定可能需要培训的地方。
虚拟助手
这些能够通过最小的监督执行简单的任务，例如与客户的调度会议，发送标准电子邮件和一般客户端通信。Claude，Anthropic的AI模型，可以从计算机中的许多来源找到信息，以便可以完成表格。
金融
应用程序包括可以基于实时数据分析或基于客户资料建议投资策略的系统做出交易决策的AI系统。AI还可以帮助识别欺诈，实时标记其怀疑。
卫生保健
自主诊断工具可以使用患者的历史和图像来确定问题，建议个性化的医疗保健治疗，监控患者健康，并建议或提醒人们有关后续行动。可以将AI代理部署在机器人辅助手术中，以提高控制和准确性。模式识别，深度学习和计算机视觉所有增强机器实时调整手术切口的能力。Philips Intellivue Guardian等系统通过为最有风险的患者提供早期警告来控制外科并发症。
法律
除了简单而重复的任务（例如合同制图）外，代理商还可以就案件提供建议。根据对历史数据或法官裁决的分析，他们可以预测诉讼的潜在结果并提出论点。”
国际律师事务所A＆O Shearman已经使用了与一家初创公司Harvey创建的AI工具。这利用企业的财务信息来评估客户在合并时需要提交的管辖区。然后，它标识任何丢失的数据并起草每个方的信息请求。
制造和物流
尽管自动驾驶汽车尚未到达主流，但自动货车即将到达。Aurora Innovation，与Volvo，Uber和FedEx合作在美国，计划在达拉斯和休斯顿之间使用10辆无人驾驶卡车。AI代理也用于制造用于监视和维护设备和优化过程。他们可以对与人类更一致性的输入和输出进行质量控制。
零售
除了部署在客户服务中的聊天机器人之外，可以在供应链沿供应链中使用AI代理，以根据历史数据来监视和管理库存水平，并预测趋势和需求。”
缺点
企业在采用AI时需要考虑各种问题。
具有传统技术或不足或不一致的数据的公司将很难取得进步。当培训代理会被slop加剧时，遇到的任何数据质量问题口语名称用于LLM创建的含量的扩散。
EY说，这可以部分通过从几个输入中采购信息而不是依赖静态刮擦数据来解决的。例如，迭代AI可以从可穿戴设备中收集数据，这将在历史信息之上层面当前和上下文数据。
公司内部和之间的连接受到数据不兼容以及现有应用程序编程接口的不足的阻碍。伯恩特（Bornet）说，缺乏标准协议为可能跨越公司边界的多机构系统带来了障碍。
Kecsmar认为这个问题本身可能由代理商解决。•将来，围绕数据交换技能开发的代理商将能够创建自己的数据交换。他们将通过他们的东道公司传达数据的方式上传，并将有一个工具调用，以在不同来源之间接口数据。
在几个领域，信任是一个问题，例如，在逆转选项受到限制的行业中。Kozyrkov说：“完全自动化并离开金融服务行业是一个可怕的想法。消费者可能不愿意让代理商对其银行帐户或信用卡具有自主权。在AI绩效方面以及面临替代风险的工人方面，领导者也缺乏信任。一旦系统可以跨业务边界链接，公司会信任外部代理商吗？
使用未造成的AI也通过增加访问点和意外行动的风险来增加网络安全威胁。Kozyrkov说：“最重要的建议之一是：限制其访问权限。不要给它任何您不希望泄漏的数据。授予AI与人类员工相同的访问大大增加了攻击表面，这意味着系统更容易受到伤害。
限制计算能力是一个进一步的障碍。尽管对基础设施进行了投资，但伸展资源的竞争还是激烈的。尽管如此，即使在能量方面，没有用户还要支付运行AI查询的费用气候资本理事会去年圆桌会议。对于使用商业服务的公司，当前的定价是基于员工人数 - 但是，如果员工级别由于AI的采用而缩小会发生什么？
公司还需要考虑采用AI的道德意义。研究剑桥大学指出，如果他们还不能很快能够预测我们的习惯，支出模式，并影响或操纵它们，尽管这可能会引起消费者的更加关注。
问责制是另一个不可思议的。当代理商在没有人类干预的情况下或与其他公司的联系的情况下，代理商执行端到头任务时，与谁在一起？
如何收养AI代理商
与任何新技术一样，首先确定业务需求很重要。Bornet说，最复杂的选择不一定总是最好的成功实施，在于为每个应用程序选择合适的级别。
他说，考虑一家实施AI代理商的金融服务公司。他们可能会选择一个或两个级代理进行交易处理，在这种情况下，可预测性和审计跟踪至关重要。但是，他们可能会为客户服务实施三级代理，在这种情况下，适应性和环境意识比严格控制更有价值。”
保持代理的功能尽可能简单意味着问题的范围较小。Bornet建议从重复的任务开始，例如会议文档和后续行动。
透明度也是关键。伯恩特说，他的团队既遇到了对AI收养的缺乏控制权的后果，又遇到了员工不受控制的热情。从一家制造公司的工人焦虑和辞职到代理商在金融公司未经授权的决定时，这涉及声誉损失。他们发现，在几种情况下，技术知识，治理或变更管理不足。
Kozyrkov虽然对AI可以用来促进创新的所有方式感到非常兴奋，但必须明智地使用它。拥有保障措施并明确定义目标以避免意外后果至关重要。未来是模块化。您不会相信最聪明的人去做所有事情，所以为什么要信任AI？
她看到人们扮演着核心角色，即使在AI的未来中也是如此。``如果您的目标是尽快去除人类，您可能会发现自己在不意识到您所删除的内容的情况下删除了关键的人类功能。她说，最富有成果的结果将是那些将AI代理人视为提升工人而不是将后者视为代理系统的教师的人。
Kecsmar说，考虑到AI的设计流程将带来优势，并建议公司应该考虑开发或部署AI-NAINAINGE而不是支持AI的工具。本地ai的效果比他所说的upliftaiâ（例如聊天机器人这样的代理人简单地使工作变得更容易）更有意义。这意味着从头开始构建AI功能，而不仅仅是将它们视为螺栓。公司应该将AI视为一种战略能力，他们应该重新考虑流程以优化AI代理的功能。
获胜者和失败者
显然，AI已经在破坏劳动力。克拉纳，瑞典金融科技公司在2024年底说，它可以通过使用AI将其员工数量减半，而客户服务公司一直在改变人类和AI代理的组合。物流部门还看到了AI的效果：亚马逊多年来一直在其仓库中使用自主机器人。
AI代理人使整个工作团队失去工作的潜力可能会延迟其在现有业务中的采用，这将为将代理商纳入流程和系统的初创企业带来优势。对于此类友善的公司，从第一天起，代理商将被整合到工作流程中，他们还将充当以前在大多数小型公司范围内的专业人士的虚拟工人。”
Kecsmar说，Antavo在开发其代理人以帮助客户计划其忠诚度计划方面采用了这一“首先思维方式”。代理商没有设计一种可以逐步输入来创建忠诚度策略的技术，而是消化了品牌的目标并制定了执行计划。Kecsmar认为，这种工具将把任何公司战略变成可执行计划。
最终，人工智能还可能有助于制定开发产品和市场的计划，从而将其贡献从成本和效率转移到顶级提高。
一旦代理商可以在数据和公司边界之间互相交谈后，就将取得进一步的进步。Kecsmar认为，人们将能够指挥来自不同提供商的专业代理商通过编排层一起工作。例如，营销专家的代理商可以与销售点和忠诚度专家的人交谈，以评估客户的数据并设计活动。
这可能威胁到卖点互操作性的水平工作流程经理，例如第三方物流履行或客户资源管理。克拉纳说，在某些方面可能会出现事情，它将放弃使用工作日和销售大通，并使用AI开发自己的软件。”
并非每个人都同意。Kozyrkov说，许多软件服务公司都在建立自己的代理商。除非您不希望您已经相信您已经信任该数据的公司来帮助您节省时间使用其产品的公司，否则您将使用AgentForce而不是构建自己的代理人，这对您来说可能会更有意义。
结论
显然，有可能使用AI代理，但是公司必须具有明确的，基于需求的战略，并充分了解风险以及如何减轻风险。
对于更高级代理商的早期采用者的公司，将会有巨大的好处。这些系统随着时间的流逝而学习，这意味着它们会随着时间的推移而进步，比以前的静态技术更具优势。”
Bornet说，AI代理人创造了我们所谓的复杂情报优势。早期采用者将更快地培训代理商，重新定义商业模式并发展AI专业知识，降低任何延迟的公司。
Kozyrkov说，AI代理人确实将帮助那些知道自己需要做的事情，完成工作并有限制惊喜的人。”