什么是AI代理？

AI代理是一種軟件組件，具備代表用戶或系統(tǒng)自主執(zhí)行任務(wù)的能力。用戶可將多個代理整合為系統(tǒng)，以協(xié)調(diào)復(fù)雜的工作流程、協(xié)同管理各代理間的活動、運用邏輯推理解決復(fù)雜問題，并評估用戶查詢的響應(yīng)。

如果你曾與客戶服務(wù)聊天機器人互動，或要求生成式AI模型創(chuàng)作一首十四行詩，那么你已經(jīng)接觸到AI代理的基礎(chǔ)形式。若你察覺自ChatGPT推動生成式AI成為主流以來，其性能顯著提升，你的觀察并無偏差。

盡管AI代理的概念已存在多年，但當(dāng)前生成式AI模型的自然語言處理能力開啟了全新可能性，使代理系統(tǒng)能夠規(guī)劃任務(wù)、協(xié)作執(zhí)行、完成目標(biāo)，甚至通過學(xué)習(xí)持續(xù)優(yōu)化自身表現(xiàn)。隨著代理準(zhǔn)確性的不斷提升，企業(yè)可進(jìn)一步利用它們自動化組織流程，從而顯著提高員工日常工作效率。

麥肯錫高級合伙人Lari H?m?l?inen表示：“生成式AI的開發(fā)速度極快。如今，人機協(xié)同的成果能夠顯著提升質(zhì)量和生產(chǎn)力?！苯谠诙唐诤烷L期記憶結(jié)構(gòu)方面的進(jìn)展，使AI代理能夠更好地個性化與外部和內(nèi)部用戶的交互，這意味著它們在執(zhí)行任何任務(wù)時都能迅速改進(jìn)。

展望未來，AI代理的性能將進(jìn)一步提升。簡言之，AI代理正從“思考”邁向“行動”。在過去18個月中，谷歌、微軟、OpenAI等公司已投資于支持代理功能的軟件庫和框架。借助大型語言模型（LLM）驅(qū)動的應(yīng)用，例如微軟Copilot、亞馬遜Q以及谷歌即將推出的Project Astra，AI代理正從基于知識的工具轉(zhuǎn)變?yōu)楦⒅匦袆拥墓ぞ摺Ｔ诓痪玫膶?，AI代理可能變得像今天的移動應(yīng)用程序一樣普遍。

AI代理的類型有哪些？

AI代理可根據(jù)其能力、角色、技能以及訓(xùn)練目標(biāo)進(jìn)行分類。以下是當(dāng)前正在開發(fā)的一些AI代理類型的非詳盡列表：

個人增強型代理（“副駕駛”代理）

這些代理作為個人用戶的“副駕駛”（copilot），旨在增強用戶的生產(chǎn)力和能力。例如，微軟365 Copilot和OpenAI的ChatGPT能夠協(xié)助起草內(nèi)容、編寫代碼或檢索知識。在某些情況下，副駕駛代理可定制為適應(yīng)用戶特定工作流程的“智能”助手。當(dāng)然，此類代理的效果取決于每個用戶自身的動力和投入。

工作流程自動化平臺

此類代理專注于自動化單一或多步驟任務(wù)，或小型工作流程，作為AI驅(qū)動的流程編排和執(zhí)行工具，服務(wù)于現(xiàn)有工作流程。例如，微軟的Copilot Studio和Salesforce正在開發(fā)的Agentforce。由于這些代理主要應(yīng)用于現(xiàn)有流程，其成功依賴于實施、變革管理和代理管理的重大努力。

生成式AI原生代理（面向特定場景）

這些代理是為特定業(yè)務(wù)場景或功能量身定制的解決方案。例如，AI驅(qū)動的客戶服務(wù)系統(tǒng)或AI賦能的軟件開發(fā)流水線。與傳統(tǒng)AI代理將AI疊加到現(xiàn)有角色或工作流程不同，生成式AI原生代理以AI為核心重新構(gòu)想特定領(lǐng)域。

AI原生企業(yè)和運營模式

這些代理被融入企業(yè)的整體運營模式，而非僅應(yīng)用于單個工作流程或功能。在這種情況下，企業(yè)將進(jìn)行端到端的AI優(yōu)先重設(shè)計，涵蓋交互層、流程、組織結(jié)構(gòu)甚至商業(yè)模式。企業(yè)在數(shù)字化轉(zhuǎn)型初期經(jīng)歷過類似規(guī)模的變革，AI可能會帶來同樣的影響。

AI虛擬員工

AI虛擬員工是作為員工或團隊成員運作的代理，是最具顛覆性潛力的類別。這些虛擬員工可使企業(yè)無需進(jìn)行全面組織轉(zhuǎn)型，即可通過AI在現(xiàn)有模式內(nèi)運作，從而更快地捕捉價值。

這些AI代理并非互斥。許多組織將混合應(yīng)用，例如在推出個人AI副駕駛的同時，自動化特定工作流程并試點一些虛擬員工。

AI代理如何運作？

AI代理能夠支持跨行業(yè)和業(yè)務(wù)功能的復(fù)雜且模糊的應(yīng)用場景。它們既可使用為人類設(shè)計的工具（如網(wǎng)頁瀏覽器），也可使用為計算機設(shè)計的工具（如API）。這種雙重能力使AI代理能夠在不顯著修改技術(shù)架構(gòu)的情況下，靈活地在組織內(nèi)外部的技術(shù)架構(gòu)中運作。

AI代理的運作過程通常包括以下四個步驟（見圖1）：

1. 用戶向代理系統(tǒng)分配任務(wù)

AI代理自主規(guī)劃并推導(dǎo)實現(xiàn)任務(wù)的方法。

2. 代理系統(tǒng)規(guī)劃、分配并執(zhí)行工作

AI代理系統(tǒng)將工作流程分解為任務(wù)和子任務(wù)，由管理代理分配給其他專業(yè)化子代理。這些專業(yè)代理利用過往經(jīng)驗和學(xué)習(xí)到的領(lǐng)域?qū)ｉL，相互協(xié)調(diào)，結(jié)合組織內(nèi)外部數(shù)據(jù)執(zhí)行任務(wù)。

3. 代理系統(tǒng)可能迭代改進(jìn)輸出

代理系統(tǒng)可能請求用戶提供額外輸入以確保輸出的準(zhǔn)確性和相關(guān)性。交付最終輸出后，代理系統(tǒng)可能請求用戶反饋。

4. 代理執(zhí)行行動

代理執(zhí)行完成任務(wù)所需的任何必要行動。

任何AI代理的部署都應(yīng)包含一系列控制機制。例如，建設(shè)性反饋循環(huán)使代理能夠?qū)徱暫蛢?yōu)化其工作。AI代理還可被編程為自我學(xué)習(xí)解決問題，或?qū)栴}升級至人類管理者。代理之間的協(xié)作也可提升效果：批評專家代理可審查創(chuàng)建者代理制定的計劃并要求迭代，從而生成更優(yōu)質(zhì)的輸出。某些AI代理甚至可直接向管理者提問。組織還可開發(fā)專門的代理，基于倫理和偏見考量自動測試和糾正其他代理的輸出。

AI代理與大型語言模型（LLM）的關(guān)系是什么？

AI代理與不同的AI模型協(xié)同工作以完成任務(wù)。當(dāng)用于與人類溝通時，AI代理通常依托具備自然語言處理能力的大型語言模型（LLM）。以自動駕駛汽車為例，其運行依賴一系列代理與多種AI模型協(xié)作。負(fù)責(zé)理解用戶目的地需求的AI代理可能使用LLM，而負(fù)責(zé)確保車輛安全左轉(zhuǎn)的代理則會使用高度專業(yè)化的設(shè)計模型，而非LLM，以處理特定類型的決策。

AI代理如何影響業(yè)務(wù)增長？

麥肯錫估計，長期來看，生成式AI的企業(yè)應(yīng)用場景每年可創(chuàng)造高達(dá)4.4萬億美元的價值。然而，除非組織能夠迅速實施AI以重新構(gòu)想和轉(zhuǎn)型工作方式，否則無法將這一潛力轉(zhuǎn)化為業(yè)務(wù)增長和更高的生產(chǎn)力。AI代理能夠以更快、更好、更低成本的方式挖掘這一巨大價值，優(yōu)于其他傳統(tǒng)技術(shù)。

生成式AI的價值不僅限于常見工作任務(wù)的自動化。麥肯錫預(yù)測，組織可部署AI代理以重新構(gòu)想流程并現(xiàn)代化其IT基礎(chǔ)設(shè)施。這包括從切換到更易用的編程語言、過渡到功能更強大的現(xiàn)代框架，到重構(gòu)系統(tǒng)以實現(xiàn)模塊化，以及將應(yīng)用程序遷移到成本更低的云計算環(huán)境。技術(shù)領(lǐng)導(dǎo)者可利用多個專業(yè)化的AI代理，每個代理擁有獨特的角色和專長，協(xié)作處理復(fù)雜任務(wù)，并通過人類反饋實時迭代。然而，真正的價值來自于協(xié)調(diào)代理完成離散任務(wù)以及整個軟件開發(fā)流程。

一些行業(yè)已常規(guī)部署AI代理。例如，客戶服務(wù)機器人已成為許多面向客戶的網(wǎng)站的標(biāo)準(zhǔn)配置。根據(jù)麥肯錫對生成式AI經(jīng)濟潛力的研究，使用生成式AI賦能的客戶服務(wù)代理使問題解決效率每小時提升14%，處理問題的時間減少9%。麥肯錫高級合伙人Jorge Amar表示：“隨著時間推移，我預(yù)計生成式AI代理將提升客戶滿意度并創(chuàng)造收入。它們在銷售新服務(wù)或滿足更廣泛需求方面將至關(guān)重要。這將為企業(yè)提供更多客戶體驗選擇，例如以高接觸的人工代理交互作為高端服務(wù)?！?/p>

更廣泛而言，生成式AI賦能的代理可在三個重要方面促進(jìn)復(fù)雜應(yīng)用場景的自動化：

代理能更輕松應(yīng)對不可預(yù)測情況

基于規(guī)則的系統(tǒng)在面對規(guī)則設(shè)計者未預(yù)料的情景時往往失效。相比之下，生成式AI代理系統(tǒng)因基于訓(xùn)練于大規(guī)模非結(jié)構(gòu)化數(shù)據(jù)集的基礎(chǔ)模型構(gòu)建，能夠?qū)崟r適應(yīng)多種場景并執(zhí)行專業(yè)化任務(wù)。

代理系統(tǒng)可用自然語言指令引導(dǎo)

自然語言處理使用戶能夠以前所未有的速度和便捷性編碼復(fù)雜工作流程。使用自然語言處理編碼的生成式AI代理，使更廣泛的員工群體無需專門編程或協(xié)調(diào)大型IT項目，即可設(shè)想并使用AI工具實現(xiàn)成果。

代理可與現(xiàn)有軟件工具和平臺協(xié)同工作

生成式AI代理運行于基礎(chǔ)模型，使其能夠使用工具并在更廣泛的數(shù)字生態(tài)系統(tǒng)中通信。若無基礎(chǔ)模型，這些功能需大量手動工作來集成系統(tǒng)或整理不同系統(tǒng)的輸出。代理可顯著減少跨系統(tǒng)集成的重復(fù)工作量。

此外，麥肯錫合伙人Aaron Bawcom指出：“當(dāng)代理協(xié)同工作時，其能力會因環(huán)境反應(yīng)而復(fù)合增長。它們可能發(fā)展出未明確編程的意外行為和技能，整體效果超越各部分之和。這就是所謂的‘涌現(xiàn)式AI’。”

企業(yè)使用AI代理的真實案例是什么？

聯(lián)想已在軟件工程和客戶支持兩個主要業(yè)務(wù)領(lǐng)域部署了AI代理。聯(lián)想解決方案與服務(wù)集團首席技術(shù)官胡貫中（Arthur Hu）表示，軟件工程師已實現(xiàn)高達(dá)15%的效率提升。公司首席運營官兼戰(zhàn)略負(fù)責(zé)人姚琳達(dá)（Linda Yao）補充道，客戶服務(wù)領(lǐng)域的通話處理時間生產(chǎn)率實現(xiàn)了兩位數(shù)的增長。

迄今為止，聯(lián)想已優(yōu)化生成式AI代理作為虛擬助手。未來，姚設(shè)想AI代理作為人類的“副手”，獨立完成任務(wù)。

AI代理的其他企業(yè)應(yīng)用場景有哪些？

以下是三個假設(shè)性應(yīng)用場景，展示AI代理未來的潛在應(yīng)用：

貸款審批

由多個專業(yè)化代理組成的AI代理系統(tǒng)可處理廣泛的信用風(fēng)險場景。過去，這通常是一個耗時且高度協(xié)作的過程，涉及收集、分析和審查與借款人、貸款類型及其他變量相關(guān)的各種信息。

代碼文檔化和現(xiàn)代化

大型企業(yè)的傳統(tǒng)軟件應(yīng)用程序和系統(tǒng)常帶來安全風(fēng)險并減緩業(yè)務(wù)創(chuàng)新步伐。AI代理可助力簡化這些系統(tǒng)的現(xiàn)代化進(jìn)程。例如，企業(yè)可部署一個專精于傳統(tǒng)軟件的代理分析舊代碼，同時另一個質(zhì)量保證代理審查文檔并迭代優(yōu)化AI輸出，以確保準(zhǔn)確性和符合組織標(biāo)準(zhǔn)。

在線營銷活動

設(shè)計、啟動和運行在線營銷活動是一個復(fù)雜且多層次的過程，涉及眾多人員。單一的AI代理系統(tǒng)可基于公司營銷專業(yè)人員的輸入，開發(fā)、測試和迭代活動創(chuàng)意。隨后，數(shù)字營銷代理可收集洞察以制定策略和文案，而設(shè)計代理則可打造定制化內(nèi)容。

組織在采用AI代理時面臨哪些障礙？

麥肯錫合伙人Nicolai von Bismarck表示，構(gòu)建信任是采用AI代理技術(shù)的一大障礙：“我們發(fā)現(xiàn)，各類年齡段的客戶——甚至Z世代——仍傾向于通過實時電話交談獲得客戶幫助和支持。”他繼續(xù)指出，一家銀行通過創(chuàng)建檢查AI代理錯誤或“幻覺”的架構(gòu)，在答案與客戶共享前減少錯誤響應(yīng)，從而建立信任。

麥肯錫合伙人Roger Roberts表示：“從AI中獲得最大價值的企業(yè)將是那些與其客戶、員工和利益相關(guān)者建立信任的企業(yè)。人們必須足夠信任AI以移交任務(wù)。企業(yè)的倫理決策必須植根于每個組織獨特的價值觀以及以人為中心的AI生態(tài)系統(tǒng)的社會價值觀。”

另一個挑戰(zhàn)是，麥肯錫高級合伙人Amar指出，組織在擴展AI代理時需進(jìn)行變革管理。他表示：“這遠(yuǎn)不止推出新工具那么簡單。企業(yè)需要重新調(diào)整職能運作方式，以充分發(fā)揮生成式AI代理的價值?！?/p>

這種調(diào)整包括采用新技術(shù)，并對現(xiàn)有技術(shù)進(jìn)行優(yōu)化，使其與基于機器學(xué)習(xí)和生成式AI的工具更好協(xié)作。組織還應(yīng)調(diào)整運營模式，支持小團隊迭代開發(fā)新服務(wù)。此外，領(lǐng)導(dǎo)者應(yīng)設(shè)立激勵機制，幫助員工學(xué)習(xí)使用并信任新工具。

最后，麥肯錫合伙人Bawcom表示：“數(shù)據(jù)保護是領(lǐng)導(dǎo)者在部署AI代理時的主要關(guān)切?！弊非驛I代理計劃的企業(yè)應(yīng)謹(jǐn)慎實施安全、運營和數(shù)據(jù)的適當(dāng)控制措施。目前有多種不斷演進(jìn)的解決方案，包括現(xiàn)成的和定制的。

AI代理如何改變組織的科技架構(gòu)？

AI代理的激增可能改變組織運行技術(shù)項目的方式。麥肯錫預(yù)計，IT架構(gòu)將從傳統(tǒng)的以應(yīng)用程序為中心模式轉(zhuǎn)向新的多代理模型。在這種架構(gòu)中，技術(shù)領(lǐng)導(dǎo)者管理多達(dá)數(shù)千個相互通信的代理，以及與人類和外部程序的交互，以實現(xiàn)共同目標(biāo)。

以下是技術(shù)領(lǐng)導(dǎo)者在其當(dāng)前環(huán)境中部署代理的三種方式（見圖2）：

超級平臺（Super platforms）

這是下一代第三方商業(yè)應(yīng)用程序，例如協(xié)作工具或客戶關(guān)系管理（CRM）程序，內(nèi)置生成式AI代理。例如，用戶可部署CRM超級平臺運行銷售報告，同時自動與公司的分析工具通信。過去，這需要針對特定應(yīng)用場景的編程。

AI封裝器（AI wrappers）

這些工具使企業(yè)服務(wù)能夠通過API與第三方服務(wù)通信和協(xié)作，而不暴露公司專有數(shù)據(jù)。例如，一家銀行可圍繞內(nèi)部開發(fā)的AI驅(qū)動信用風(fēng)險模型構(gòu)建生成式AI賦能的封裝器。該AI封裝器可啟動行動，例如請求供應(yīng)商的LLM基于客戶數(shù)據(jù)和信用評分生成風(fēng)險因子，而不向供應(yīng)商或LLM透露數(shù)據(jù)。

定制AI代理（Custom AI agents）

員工可通過微調(diào)預(yù)訓(xùn)練LLM或使用檢索增強生成（RAG）訪問公司專有數(shù)據(jù)，開發(fā)定制的生成式AI賦能代理。例如，在客戶服務(wù)場景中，員工可將現(xiàn)有模型與客戶數(shù)據(jù)、呼叫中心記錄和公司政策結(jié)合，創(chuàng)建生成式AI代理，協(xié)助呼叫中心員工回答客戶問題。

組織需調(diào)整其IT架構(gòu)，以更好地服務(wù)于這些以代理為中心的工作流程，并支持持續(xù)迭代和改進(jìn)。

組織實施AI代理的步驟有哪些？

領(lǐng)導(dǎo)者可聚焦以下三個關(guān)鍵領(lǐng)域：

審慎評估耗時長、涉及人員多的技術(shù)提案

這意味著審視所有大型提案，評估生成式AI如何降低成本并縮短時間線。領(lǐng)導(dǎo)者應(yīng)對聲稱融入生成式AI能力的提案尤為審慎，因為這些能力的價值潛力可能有限或僅為輔助性。

聚焦核心問題

小規(guī)模舉措通常僅帶來小規(guī)模成果。因此，企業(yè)應(yīng)識別最重大且復(fù)雜的技術(shù)問題——那些成本高昂、時間跨度長達(dá)數(shù)年、導(dǎo)致嚴(yán)重技術(shù)債務(wù)的問題——并集中利用生成式AI解決這些問題。

提前應(yīng)對人才、技術(shù)及運營模式的變革影響

隨著多代理模式的擴展，領(lǐng)導(dǎo)者需理解并規(guī)劃其業(yè)務(wù)影響。這包括重新思考人才戰(zhàn)略和再培訓(xùn)計劃，相應(yīng)調(diào)整運營模式，以及重新評估運營和資本支出。

AI代理的演進(jìn)才剛剛起步，未來仍有諸多經(jīng)驗教訓(xùn)和發(fā)現(xiàn)等待探索。AI代理領(lǐng)域的許多工作正從實驗室走向全面應(yīng)用。AI代理為重新構(gòu)想各行業(yè)和規(guī)模的組織內(nèi)人員工作方式提供了全新能力。

參考資料：McKinsey & Company. (2025, March 25). What is an AI agent? https://www.mckinsey.com/featured-insights/mckinsey-explainers/what-is-an-ai-agent

本文轉(zhuǎn)載自??Andy730??，作者：常華