智能体人工智能：下一个万亿美元效率提升方案

从LLM到AI代理

人工智能的性能改变了我们对人工智能系统与人互动能力的看法，这在很大程度上要归功于 ChatGPT 等大型语言模型 (LLM) 能够发出接近人类的语音。

凭借目前的处理能力，人工智能已经能够辅助甚至取代人类完成翻译、数据搜索、编程等任务。然而，人工智能代理的出现，正在开启人工智能能力的新篇章。人工智能代理的核心理念是创建能够在特定环境中独立运行的人工智能。这使得它们能够自主行动，无需持续的确认或监督。

这使得它们在实际应用中扮演的角色与 LLM 或图像生成器等生成式人工智能截然不同，后者大多是对人类创建的提示做出反应。

在这种情况下，“环境”既可以指现实世界中的特定情况（例如自动驾驶代理在路上行驶的汽车），也可以指完全虚拟的“场所”（例如特定的软件套件或数字界面）。

这是人工智能从“聊天”向“行动”演进的阶段。与通用型语言学习模型（LLM）不同，人工智能代理通常具有更有限、更精准的技能范围。这有助于它们在自主决策时更加高效和值得信赖，而通用型人工智能则更容易偏离预期方向。

人工智能代理是让人工智能发挥作用、提高无数流程效率的下一步。

人工智能代理详解

滑动滚动→

人工智能代理是一项新的突破还是一次演进？

这些特性使 AI 代理比之前的 AI 工具（如助手和机器人）更胜一筹，因为它们具有更主动的能力、自主性以及处理复杂的多步骤任务的能力。

就像真正的智能体一样，它们可以自我完善：它们从经验中学习，根据反馈调整自己的行为，并随着时间的推移不断提高自己的表现能力。

因此，尽管机器人和人工智能助手可以满足这些需求。 部分 人工智能代理所承担的任务中，其自主性、主动性和高度复杂性使其与以往的自动化水平截然不同。这使得它们更接近于真正的人类工作者，至少在它们接受过特定任务训练的情况下是如此。

自主人工智能代理将如何在各行业中扩展

现代生活充满了重复性任务，这些任务对于简单的自动化脚本来说略显复杂，但对于人类来说又十分枯燥乏味。这使得人工智能代理在高度重复、依赖判断的工作流程中尤为重要——从引导客户完成故障排除流程到在高速公路上驾驶卡车。

与人类不同，这种人工智能代理可以全天候工作，并且可以立即扩展而无需额外的开销。

人工智能能力的发展水平有很多种衡量标准。总体而言，衡量指标往往是将人工智能的能力与普通人类的能力进行比较。最新的人工智能代理在特定、狭窄领域的任务中，其技能水平已经达到了50%到90%的普通人类的水平。

这些“2-3级”人工智能代理通常被认为是人工智能发展历程的中点，而这仅仅是开始。 AGI（通用人工智能）.

新兴的架构是构建多个专业化的AI代理，让它们各自处理特定任务，其水平与人类员工相当。对于更复杂的工作流程，一系列AI代理将依次行动，通过协作将大型任务分解成更小的子任务来完成。

借助 AI 平台在内部开发的自定义代理程序，随着编码代理程序降低企业应用程序开发的复杂性，也可能会变得越来越普遍。

同时提高人工智能和人类的效率

相比通用人工智能，人工智能代理的另一个优势在于效率。它们专注于一项任务，而不会被其他无关功能所累。

例如，一个专门的人工智能代理可能能够像人类一样驾驶汽车，但却不具备人类的其他推理能力。它或许能够“理解”道路，但却无法进行良好的对话，无法根据提示生成图像，也无法处理大型数据库。

因此，该模型运行所需的内存和计算能力更少。反过来，这降低了硬件要求和执行任务所需的能耗。

自主权有多大？

人工智能代理的自主性越高，这是它们最大的优势，但也可能成为推广应用的障碍。

即使是能力极强、可靠性极高的AI代理，也不能完全信任它去做出对现实世界影响巨大的决策。让一个改进型的聊天机器人处理客户服务是一回事，让它负责数千名员工的薪资发放则是另一回事。

人工智能决策质量的同步提升以及人们对人工智能决策日益熟悉，很可能会促使监管机构赋予人工智能更大的决策自主权。然而，这也引发了关于人工智能行为责任的诸多有趣的法律和伦理问题。

需要建立清晰的法律框架。例如，如果自动驾驶汽车发生事故，人工智能代理的提供商是否应承担责任？随着自主程度的提高，决策将影响到真实的人，并引发代价高昂的法律责任问题。

这也涵盖了滥用问题，例如身份盗窃或自动化欺诈。这些都是立法问题，但技术进步往往超过监管。

人工智能代理的未来

人工智能代理能否成为狭义的通才？

如前所述，早期人工智能代理为了提高效率和可靠性，其功能较为单一。然而，更高级别的人工智能代理则需要理解上下文、记忆过去的决策以及处理连续性任务。

起初，这可能需要人类的协助，人类更像是智能体的“指挥者”，而非亲自执行任务。当然，最终目标是完全消除人类劳动，从而提高效率。

例如，人工智能在医院进行诊断时，需要同时分析医学影像、理解描述症状的文本或语音、整合医学检测结果和患者病史，并查找相关的科学文献。然后，它必须智能地整合这些数据。

财务应用

有些行业对将人从决策环节中移除持怀疑态度，尤其是在制造业和医疗保健等决策失误可能致命的行业。然而，有一个行业却热情拥抱人工智能：金融业。

从交易系统到欺诈检测，金融领域的绝大多数环节都已实现高度自动化。金融科技公司对智能体人工智能的接受度更高，因为它们的生存依赖于金融效率的自动化。在一个经手数万亿美元资金的行业中，效率的提升可以迅速转化为利润率的提升。

例如，智能体可以专注于耗时的对账工作（匹配银行对账单、电子表格和账簿）。中型企业每年仅银行对账一项就可能花费超过 300 小时。虽然电子表格可以自动完成部分工作，但它们并不完善。智能体人工智能则提供了更高的灵活性和推理能力，能够处理异常情况和非结构化数据。

投资智能体人工智能

ServiceNow

ServiceNow 是一个成立于 2003 年的云计算平台，致力于创建和管理自动化业务工作流程。该公司在拥有成熟的业务自动化客户群的基础上，已全面转型为智能体人工智能 (AI)。

它允许公司利用其人工智能代理，以及使用低代码和“感觉编码”（让人工智能根据人类的提示编写代码）从头开始定制或创建新的代理。

ServiceNow 的主要卖点在于它不“绑定”于任何特定的 AI 技术，可以集成到企业现有的数字化工具和工作流程中。它还提供了一个可靠的界面，用于集中管理日益增多的 AI 代理。

AI治理被重新定义，通过一个中央枢纽来管理、监控和优化AI代理——无论是原生代理还是第三方代理。与封闭的生态系统不同，ServiceNow与LLM无关，并与NVIDIA、超大规模数据中心以及蓬勃发展的AI生态系统深度集成，使企业能够完全掌控其面向未来的AI战略。

这些代理商的重点是通过提高公司效率来改善公司利润率——自动化 IT 任务、简化人力资源、处理日常客户请求以及加快应用程序开发。

这家拥有20多年历史的公司依然保持着快速增长，预计到2025年底，其年收入增长率将超过20%。值得注意的是，现有客户群的使用量持续增长，从而带动了年度合同价值（ACV）的提升。续约率始终保持在95%-97%的水平，使得收入具有很高的可预测性。

该公司成功实现了稳健的营业利润率和自由现金流，这反映出其成本基础相对于经常性收入而言较低。

ServiceNow (NOW) 最新股票新闻及动态