随着越来越多的企业将焦点放在操作性决策上，Agentic AI正悄然进入业务流程的背景中，自动化地影响企业运作，并解放员工以从事更高价值的工作。这种新型AI超越了生成式AI的创作能力，在企业工作流中实现了自主决策。

Agentic AI的核心在于自动化执行组织内部的特定功能，无需人工干预。举例来说，AI代理可以自主处理客户服务问题，如提供退款或更换产品；它们还可以识别企业网络中的潜在威胁，并主动采取预防措施。

早期的技术例子包括GitHub的Copilot Workspace，一个集成代码库的AI代理，以及Google AI Teammate，一个能够通过监控公司流程、生成报告和为程序员创建新任务来管理项目的AI助手。银行技术提供商ComplyControl的首席AI官Mikhail Dunaev指出：“在未来几年，这两个助手可能会取代整个开发部门。然而，这股浪潮才刚刚开始，真正有价值的助手尚未广泛普及。”

Capgemini的一项最新研究显示，受访的75%组织正在考虑在软件开发中使用AI代理，使其成为早期的主要应用案例之一。

认知型AI代理还可以在医疗环境中作为助手，通过每天与患者互动来支持心理健康治疗，也可以在大学中作为学生招募者，与潜在学生交流，了解他们的访问目的，解决他们的主要担忧，推断他们的学术兴趣和优势，并为他们推荐适合的课程，Juji AI代理的创始人、IBM Watson Personality Insights的发明者Michelle Zhou表示。

从Aflac、Atlantic Health System到Legendary Entertainment和NASA的喷气推进实验室，各种企业都在积极探索Agentic AI的应用。

AI代理的崛起

根据Capgemini对大型企业的调查，十分之一的组织已经部署了AI代理，超过50%的组织计划在未来一年内探索其应用。Forrester在最近的一篇博客文章中将AI代理列为2024年十大新兴技术之一。Forrester新兴技术组合副总裁Brian Hopkins在文章中称，AI代理“可能是今年名单中最令人兴奋的发展”。

他写道：“AI代理现在利用先进的语言模型执行复杂任务，做出决策，并代表企业或个人自主互动。这种从纯生成式AI到‘Agentic AI’的转变，带来了更复杂且更稳定的自动化能力。”

他还补充道，Agentic AI将推动其他专门AI工具的进化，包括能够生成软件代码的TuringBot代理。

有独立决策能力的AI

Live Proxies的联合创始人兼首席执行官Jacob Kalvo表示，充分利用AI代理的关键在于放手，让其发挥作用。“Agentic AI的真正威力在于其独立行动的能力，通过Agentic AI，组织将能够以惊人的速度扩展运营并创造创新。”

Live Proxies利用AI代理检测和应对网络安全威胁。该公司开发了一种AI代理，可以自主监控网络流量并减轻网络安全威胁，而无需“持续的人类监督”。

“这样做不仅解放了我们进行创新的空间，还让客户放心，我们的安全基础设施在Agentic AI的监控下是稳健和自给自足的。”Kalvo说道。

相比之下，生成式AI专注于生成新内容，如文本、图像或音乐，而Agentic AI则更关注决策。

“生成式AI似乎更具创造性，生成类似于人类创作的内容，而Agentic AI则更具操作性，直接影响业务流程或技术生态系统，”Kalvo补充道。“简而言之，Agentic AI意味着自主性和执行力，而生成式AI则关注创作和创新。”

AI代理有着更高的投资回报率

Dunaev补充道，Agentic AI可以为那些难以在生成式AI中找到投资回报的组织带来价值。在许多情况下，生成式AI仍然需要大量的人为干预。“相比之下，Agentic AI有可能带来更为实在的商业价值，它作为一个自主助手，独立解决任务，具备自主决策和目标导向行动的能力，这是生成式AI所不具备的。”

AnswerRocket的首席技术官兼联合创始人Mike Finely表示，Agentic AI不仅可以用于特定和离散的任务，还可以逐步完成一系列任务。“Agentic AI是AI的下一次进化，有了这种新能力，语言模型能够分解复杂问题，并通过逐步执行的方式解决问题。这意味着模型可以处理更难的问题，我们可以与其互动并引导解决方案，使我们能够理解它如何得出答案，而不是对其‘魔法’感到困惑。”

AI代理的局限：信任问题与反思

尽管AI专家看到了Agentic AI的巨大潜力，但许多人也承认用户可能会有疑虑。生成式AI用户已经注意到严重的“幻觉”现象，而AI代理的用户可能不信任它们代表自己自主行动。

Live Proxies的Kalvo表示，要建立信任，AI代理开发者必须使人类能够轻松检查其工作。“Agentic AI的广泛信任建立在其决策过程的透明性以及系统解释其选择的能力之上，”他说。“因此，信任是通过密集测试、清晰沟通其能力和局限性，以及持续监控来建立的。”

Finely表示，另一种方法是使用另一个AI来检查代理的工作。反思（Reflection）是一种使用一个AI模型来反映另一个AI模型答案的过程。“这基本上就像是我们让人类审查模型的输出，但我们正在自动化这一任务，最终结果可能会稍微增加一些时间和成本，但如果这是建立信任的代价，并解锁了自动化的巨大潜力，那么它将是最优解。”

他指出，旧有的类似AI的技术，包括机器学习，多年来一直在使用，大多数组织都信任机器学习来完成工作。与此同时，生成式AI的快速普及表明用户愿意信任它。

Finely最后说道，“生成式AI是机器学习的高级应用，企业开始信任它，因为它能引用所使用的数据源，并提供被引用数据的具体信息，并解释其结论的理由，用户正在用他们的操作表明信任。”

文章由RPA中国根据公开资料整理，如有侵权，请联系删除。

- END -

报告下载

大 佬观点分享

关于RPA、AI、企业数字化转型

(点击文字即可阅读)

| |

| | |

| | |

| | |

| |

行业知识交流分享，结识扩展人脉圈层

公众号后台回复【RPA】或者【流程挖掘】

可受邀加入相关的交流群