Gartner 預測,到 2028 年,三分之一的人類與生成式 AI 的互動將從用戶提示轉向與自主、意圖驅動的代理商的直接介面。這標誌著從目前許多用戶熟悉的反應式 AI 助手向前邁出了重要的一步。
“代理商代表著生成式 AI 的下一次進化。”Cisco 旗下的 Outshift 創新部門副總裁兼總經理 Vijoy Pandey 說道。“對高管而言,明確的訊息是:現在就準備好。剩下三年,應該從實施助手和處理可管理的實例開始,然後再發展到更關鍵的應用。”
AI 代理商類似於不知疲倦的專業員工,專門處理特定任務以協作解決商業挑戰。Menlo Ventures 的合夥人 Tim Tully 指出了一個持續的趨勢:“我們看到客戶成功公司正在用代理商取代和增強其團隊,提升可擴展性。在市場自動化和代碼生成領域尤為明顯,我預計代理商將進一步滲透到軟體工程中。”
三大巨頭——Google Cloud、Microsoft 的 Copilot 和 AWS 的 Q 正在積極開發生成式 AI 代理商,顯示出這項技術的變革潛力。
代理商與助手的區別
那麼,AI 代理商與早期 AI 助手有何不同?AI 助手對用戶提示做出反應,利用大型語言模型(LLMs)和自然語言處理(NLP)提供答案和上下文內容,而 AI 代理商則以主動且自主的方式運作,能在無需人類介入的情況下做出決策和行動。它們持續實時分析特定領域的數據,自主管理複雜的工作流程,並朝著具體目標邁進。
與傳統助手不同,代理商能生成高品質的內容,通過清晰可追溯的任務與數據源縮短 20% 至 60% 的審核週期。Pandey 解釋道:“可以將它們視為專精於特定任務且協作解決更廣泛商業問題的專業員工。”舉例來說,在金融服務中,代理商能即時檢測和預防詐騙,而在人力資源方面,它可以分析數據以識別優秀人才或預測流失率。
當這些系統整合進多代理框架中時,它們可以協作處理各種技能領域,自主做出明智決策並管理複雜工作流程。然而,代理協作所需的專用編排層尚在開發中,這為創業公司帶來了重大的機會。“需要類似 Kubernetes 的基礎設施來運行這些專業的負載。”Tully 提到。目標是連接這些簡單的代理商,使其通過尚未建立的協議進行無縫溝通。
從助手到代理商的過渡
Cisco 的 AI 準備指數顯示,雖然 97% 的組織希望利用生成式 AI,但只有 14% 的組織已經實施,顯示出明顯的差距。常見的障礙包括理解從何開始、確保投資回報率,以及解決信任、安全和保安問題。
“代理商在處理模糊問題時內部推理和規劃的能力有限,”Pandey 解釋道,指出清晰指示對於有效引導代理商的重要性。組織應從簡單的商業案例著手,而非雄心勃勃的項目。賦能內部開發者——那些了解流程並且知道如何優化它們的業務功能人員,尤其重要,尤其是在生成式 AI 開發者人力資源有限的情況下。
在展開 AI 旅程之前,組織需優先進行數據清理,以確保適當的身份管理與訪問控制。“應從可管理的商業案例開始,而不是月球計畫,”Pandey 建議。這種方法使組織能通過實踐來完善流程,並教育內部開發者,最終為未來的 AI 卓越奠定堅實基礎。
隨著各個行業從助手轉型為代理商,且 LLM 持續改進,每個組織都將受益於這種由代理生成式 AI 帶來的轉型。