专注于运营决策的代理式AI 能在后台自主工作，直接影响业务流程，让员工能够专注于更高价值的工作。

一种更具操作性、针对具体业务的利用生成式 AI 的方式正在形成，即在幕后静默工作的 AI 代理，它超越了生成式 AI 的创造能力，朝着企业工作流程中的自主决策方向发展。

代理式AI 的核心设计目的是在组织的众多业务流程中自动化某个特定功能，无需人工干预。例如，AI 代理可以自主处理客户服务问题，如提供退款或更换，它们还可以识别组织网络上的潜在威胁并主动采取预防措施。

该技术的早期例子包括GitHub Copilot Workspace(一个集成的代码库代理)和 Google AI Teammate(一个通过监控公司流程、创建报告和为程序员生成新工单来管理项目的 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，"他说。“然而，这股浪潮才刚刚开始，真正有价值的助手还未向广大用户开放。”

凯捷最近的一项研究发现，75% 的受访组织正寻求在软件开发中使用 AI 代理，使其成为最早的主要用例之一。

认知AI 代理还可以作为医疗环境中的助手，每天与患者互动以支持心理健康治疗，还可以作为大学的学生招生人员，Juji AI 代理的创始人、IBM Watson Personality Insights 的发明人 Michelle Zhou 说。

AI招生人员可以询问潜在学生的来访目的，解决他们最关心的问题，推断学生的学术兴趣和优势，并就符合他们兴趣的合适项目提供建议，她说。

Aflac、Atlantic Health System、Legendary Entertainment和 NASA 喷气推进实验室等各种各样的企业已经在追求代理式 AI。

一、AI 代理的兴起

根据凯捷对大型企业的调查，十分之一的组织正在部署 AI 代理，超过 50% 计划在明年探索使用它们。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，作者 Brian Hopkins(Forrester 新兴技术投资组合副总裁)称其为今年名单上"可能是最令人兴奋的发展"。

"AI代理现在正在利用先进的语言模型来执行复杂任务、做出决策，并代表企业或个人自主互动，"他写道。“这种从纯粹的生成式 AI 向’代理式 AI’的转变，承诺带来更复杂和更稳健的自动化能力。”

他补充说，代理式 AI 还将推动其他专门 AI 工具的发展，包括可以生成软件代码的 TuringBot 代理。

二、独立、果断的 AI

Live Proxies(一家高级代理解决方案提供商)的联合创始人兼首席执行官Jacob Kalvo 表示，从 AI 代理中获得最大价值的关键是不要妨碍它们。

"代理式AI 真正释放其力量的地方在于独立行动的能力，"他说。“有了代理式 AI，组织将能够以令人难以置信的速度扩展其运营并创造创新。”

Live Proxies使用 AI 代理来检测和应对网络安全威胁。该公司已经建立了一个 AI 代理，可以自主监控网络流量并缓解网络安全威胁，而无需"持续的人工监督"，他说。

"这样做是为了让我们能够创新，并通过将我们的安全基础设施交给代理式 AI 监管来让客户满意，从而使其健壮和自给自足，"Kalvo 说。

与专注于生成新内容(如文本、图像或音乐)的生成式AI 相比，代理式 AI 专注于决策，他说。

"生成式AI 可能看起来更具创造性，生成类似于人类生成的内容，而代理式 AI 则更具操作性，对业务流程或技术生态系统产生直接影响，"Kalvo 补充道。“从本质上讲，代理式 AI 意味着自主性和执行力，而生成式 AI 则处理创造和创新。”

三、推动 ROI 的代理

Dunaev补充说，对于那些难以在生成式 AI 中找到投资回报的组织来说，代理式 AI 可以为它们带来价值。他说，在许多情况下，生成式 AI 仍然需要大量的人工干预。

"相比之下，代理式 AI 有潜力推动更多实际的业务价值，"他补充道。“它作为一个自主助手，独立解决任务，具有自主决策和面向目标行动等能力，而这些是生成式 AI 所不具备的。”

除了将AI 代理用于特定和离散的任务之外，它还有潜力以逐步的方式执行一系列任务，AnswerRocket(一家企业分析 AI 助手供应商)的首席技术官兼联合创始人 Mike Finely 说。

他说，代理式 AI 是 AI 的下一个进化。"有了这种新的超能力，语言模型可以分解复杂问题，并以增量步骤完成工作，"他补充道。“这意味着模型可以处理更难的问题，我们可以与解决方案互动并指导它，这样我们就能理解它是如何得出答案的，而不是对表面上的魔法感到困惑。”

四、信任问题和反思

虽然AI 专家看到了代理式 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，而 AI 代理的用户可能不会信任它们代表自己自主行动。

Live Proxies的 Kalvo 表示，为了赢得信任，AI 代理的开发者必须让人类容易检查它们的工作。

"代理式AI 能否得到广泛信任取决于其决策过程的透明度和系统解释其选择的能力，"他说。“因此，通过密集测试、清晰沟通能力和局限性，以及持续监控来建立信任。”

Finely说，另一种方法是使用另一个 AI 来检查代理的工作。一个称为反思的过程使用一个 AI 模型来反映另一个模型给出的答案。

"这实际上就像我们让人类审查模型的输出，但相反，我们也在自动化这个任务，"他说。“最终结果可能需要稍微多一点时间和费用，但如果这是信任的代价，并且它释放了自动化的巨大力量，那么这将是制胜的答案。”

他指出，包括机器学习在内的较老的类 AI 技术已经使用多年，大多数组织都信任 ML 来完成其工作。与此同时，生成式 AI 的快速采用表明用户愿意信任它。

"生成式AI 是机器学习的一种高级应用，当有引用其使用的来源时，当提供引用的任何数据的具体细节时，以及当模型能够解释其结论的原因时，公司开始信任它，"Finely 说。“消费者正在用他们的键盘投票。”

【睿观：AI代理(AI Agent)和AI智能体(AI Entity)这两个概念在人工智能领域经常被提到，它们有一些相似之处，但也存在一定的区别。两者定义、概念、外延以及它们之间的联系和区别，包括：

（一）定义和概念:

1.AI代理(AI Agent):

定义:AI代理是一个能够感知环境并在该环境中自主行动以实现特定目标的计算机系统。

概念:它强调的是系统的自主性和目标导向性，能够根据环境的变化做出决策和采取行动。

2.AI智能体(AI Entity):

定义:AI智能体是一个具有智能行为的计算机系统或程序，能够模拟人类的认知过程和行为模式。

概念:它更侧重于系统的智能性和拟人化特征，强调系统具有类似人类的思考和行为能力。

（二）外延:

1.AI代理的外延:

l自动化系统

l机器人

l智能助手

l自动驾驶系统

l智能家居系统

2.AI智能体的外延:

l聊天机器人

l虚拟助手

l游戏中的NPC(非玩家角色)

l模拟人类行为的AI系统

l具有学习和适应能力的AI模型

（三）联系:

1.都是人工智能的具体应用形式

2.都具有一定的自主性和智能性

3.都能与环境进行交互并做出反应

4.在某些应用场景中可以互换使用

（四）区别:

1.侧重点不同:AI代理更强调自主决策和行动，而AI智能体更强调模拟人类智能。

2.应用范围:AI代理通常用于更广泛的领域，包括工业自动化、机器人等;AI智能体更多用于需要人机交互的场景。

3.设计目标:AI代理的设计目标是完成特定任务，而AI智能体的设计目标通常是模仿人类行为。

4.复杂度:AI智能体通常需要更复杂的认知模型和学习能力。

（五）总结:

虽然AI代理和AI智能体这两个概念有时会被交替使用，但它们确实存在一些细微的区别。AI代理更强调系统的自主性和目标导向性，而AI智能体更侧重于系统的智能性和拟人化特征。在实际应用中，一个系统可能同时具备AI代理和AI智能体的特征，这取决于其设计目标和功能需求。随着人工智能技术的不断发展，这两个概念的界限可能会变得越来越模糊，最终可能会融合成一个更广泛的智能系统概念。】