50名AI代理商获得了他们的第一个年度绩效评论-6个经验教训

关注ZDNET：将我们添加为首选来源在Google上。

ZDNET的关键要点

• 麦肯锡实施并观察到50多个代理AI建造了一年。
• 数字员工需要大量的工作才能迅速发展。
• AI代理并不是满足所有业务需求的最佳答案。

从许多方面来看，AI代理在当今的劳动力中被认为是数字同事。因此，与人类工人一样，他们应该接受年度绩效审查，对吗？ 

麦肯锡的人们做到了这一点，释放了A的结果 一年的绩效审查咨询公司一直在实施和观察的AI代理商中。这些数字员工在工作的第一年的表现如何？麦肯锡团队的结论：他们需要大量的工作才能快速发展；它们并不总是满足每种业务需求的最佳答案；而且他们的人类同行并不总是对代理商的工作印象深刻。” 

还：微软将与AWS竞争，以提供AI应用程序和代理商的市场

Lareina Yee，Michael Chui和Roger Roberts与McKinsey一起撰写的进度报告审查了至少50个代理AI建造的作者在麦肯锡领导的构建。在与AI代理商在一起的一年后，他们获得了六个教训。” 

1。代理在工作流程中表现更好

Yee和她的同事建议，为了让AI代理而实施AI代理不会削减它。这更多是关于注射代理来提高工作流程。 

审查说：“代理AI的努力从根本上重新构想了整个工作流程，即涉及人，流程和技术的步骤 - 更有可能带来积极的结果。”合着者建议，从解决关键用户疼痛点开始。例如，拥有文档密集型工作流程的组织，例如保险公司或法律公司，受益于让代理商处理繁琐的步骤。” 

2。代理并不总是答案

Yee和她的合着者建议：“为了避免浪费的投资或不必要的复杂性，在评估人民的高性能团队时，要扮演代理商的角色。”“要问的关键问题是，'要做什么工作，每个潜在的团队成员或代理人共同努力以实现这些目标的相对才华是什么？'” 

另外： 有AI FOMO吗？3个大胆但现实的赌注您的业务可以今天尝试

如果代理AI对于问题过多，或者问题要求使用标准化的，重复性较低的方法，请坚持使用更简单的选项，例如基于规则的自动化，预测分析或大语言模型（LLM）提示。

3。Ai'Slop'是一个反复出现的问题

麦肯锡团队观察到的最常见的问题之一是“代理系统在演示中看起来令人印象深刻，但挫败了实际负责工作的用户”，“ AI SLOP或低质量的输出”。结果，用户失去对代理商的信任并停止使用它们。 

合着者建议：“公司应该像为员工发展一样对代理发展进行大量投资。”与人类雇员一样，“应为代理人进行清晰的职位描述，登上登机，并给予持续的反馈，以使他们变得更加有效并定期改进。”

4。很难跟踪大量代理商

Yee和她的团队说：“当与几个AI特工合作时，审查他们的工作和发现错误可能很简单。”“但是，随着公司推出数百甚至数千个代理商，任务变得具有挑战性。当有一个错误时，随着公司的规模规模，总会出现错误 - 很难确切地弄清楚出了什么问题。” 

还：6个见解服务领导者需要了解代理AI

团队通过使用可观察性工具在工作流程的每个步骤中验证代理性能来学习了这一课程。“在工作流程中的建筑监视和评估可以使团队能够尽早捕获错误，完善逻辑并不断提高性能，即使在部署了代理商之后。”

5。代理在跨功能共享时显示最佳价值

如果他们的设计师为完成的每项任务重新制作方向盘，代理商可能会变得昂贵和多余。麦肯锡团队指出：“公司经常为每个确定的任务创建一个独特的代理。”“这可能会导致巨大的冗余和浪费，因为相同的代理通常可以完成分享许多相同行动的不同任务，例如摄入，提取，搜索和分析。” 

还：AI代理商如何到2028年如何产生4500亿美元 -

他们建议，投资可重复使用的代理要求首先确定重复的任务。“开发可以在不同的工作流程中轻松重复使用的代理和代理组件，并使开发人员访问它们。”

6.代理永远不会完全自行工作

合着者强调，人工总是需要“监督模型的准确性，确保合规，使用判断力并处理边缘案件”。重新设计工作“以便人们和代理人可以很好地合作。没有这种重点，即使是最先进的代理程序可能会冒失败，复杂错误和用户拒绝。” 

结果，明年的代理绩效评估最终可能还不到出色。