对于许多组织来说，开发具有自主性的人工智能代理（Agent）工具可能过于复杂，但仍有一些公司在继续推进，并且取得了一些成功和经验教训。

图源：BalanceFormCreative/Shutterstock

具有自主性的人工智能，是一种旨在在组织内无需人工干预即可运行特定功能的技术，随着企业寻求自动化业务流程、增强人类员工的产出以及从生成式人工智能中获取价值而越来越受关注。

分析公司Forrester（弗雷斯特市场咨询，是一家独立的技术和市场研究公司，针对技术给业务和客户所带来的影响提供务实和具有前瞻性的建议。公司已经被公认为思想的领导者和可信赖的咨询商，通过所从事的研究、咨询、市场活动和高层对等交流计划，帮助那些全球性的企业用户建立起市场领导地位。）将AI代理列为今年十大新兴技术之一，但它对专注于采用它们的公司有一个警告：不要单打独斗。根据Forrester对 2025 年人工智能的预测，四分之三试图在内部构建人工智能代理的组织将会失败。

未能构建自己的人工智能代理的公司将转向外部人工智能咨询公司为他们构建定制代理，或者他们将使用嵌入在当前供应商软件中的代理，Forrester分析师Jayesh Chaurasia（杰耶什·乔拉西亚）和Sudha Maheshwari（苏达·马赫什瓦里）写道。

他们写道：“精明的公司将认识到当前的局限性，并依靠他们的供应商和系统集成商合作伙伴在这项技术的前沿构建代理。”

他们补充说，构建人工智能代理是一个复杂的过程，许多公司内部没有人工智能的专业知识来完成这项工作。

“随着公司将生成式人工智能从基本任务推向更复杂的行动，人工智能风靡一时，”Chaurasia（乔拉西亚）和Maheshwari（马赫什瓦里）说，“挑战在于，这些架构错综复杂，需要多重模型、高级Retrieval Augmented Generation/RAG（即检索增强生成，是一种自然语言处理模型，旨在改进各种NLP任务的表现，包括问答、摘要生成等。）堆栈、先进的数据架构和专业知识。”

此外，他们表示，具有自主性的人工智能的力量仍处于起步阶段。他们写道，可能还需要另外两年时间，它们才有“满足过高的自动化期望的任何机会”。

一、DIY具有自主性的人工智能的价值

尽管如此，一些公司看到了自己动手构建方法的机会。专注于视频营销的软件开发公司Goldcast（是一个品牌营销服务商，旨在为营销人员提供工具和平台，帮助他们为当前和潜在客户创造惊人的在线活动体验。公司成立于2019年1月1日，位于美国。其服务包括品牌营销、企业服务、品牌服务等，致力于提供交钥匙工程和企业通用服务。）已经尝试了十几个开源人工智能模型来协助完成各种任务，该公司的产品负责人Lauren Creedon（劳伦·克里登）说。

例如，她说，Goldcast使用一个人工智能模型来转录视频，另一个基于视频撰写博客文章，第三个创建社交媒体帖子，第四个通过面部识别来识别视频中的人。她说，Goldcast的目标是将所有这些人工智能模型链接起来，并将它们变成无需人工提示就能执行指定任务的代理。

Goldcast已经利用了这些人工智能模型中的每一个的能力，并针对自己的用例和工作流程使用了特定的功能。该公司不是在构建自己的独立人工智能模型，而是在利用这些开源人工智能的力量。

Creedon（克里登）说，基于开源模型来利用具有自主性的人工智能的力量，比从头开始创建人工智能代理更有效。

“我不希望人们认为[人工智能]是困难的，是只有拥有博士学位的人才能处理的专业事物，”她说，“越多的人能够掌握如何使用它，越多的团队使用它，结果就会越好，不仅对业务运营如此，对客户也是如此。”

但Creedon（克里登）同意Forrester的评估，即构建人工智能代理可能是一个复杂的过程。组织将需要一个完整的MLOps（机器学习运营。是一种新兴的技术实践，‌旨在通过自动化和标准化机器学习流程，‌实现可靠的、‌可重复的、‌可扩展的机器学习模型部署和管理。MLOps涉及到机器学习模型的整个生命周期，‌包括数据准备、‌模型开发、‌训练、‌评估、‌部署和监控等各个环节。‌通过采用自动化和标准化的工具和流程，‌MLOps帮助企业快速、‌高效地构建和部署机器学习应用，‌从而提高业务价值和生产效率。‌‌）计划，一些公司可能没有自己去做它的专业知识，她说。

Creedon（克里登）补充说，高级团队将需要 “采用许多这些不同的开源模型，并在工作流程中将它们组合在一起。”在许多情况下，组织将需要求助于外部专家来设置人工智能代理。

然而，Slate Technologies（是一家专注于为建筑行业提供人工智能虚拟助手平台的公司。它提供 Slate Decision Assistant，这是一个利用自动化和预测模型来提供决策背景的工具，增强了建筑过程中的生产力和成本控制。公司团队汇集了一些世界领先的软件设计师、工程师和职业建筑专业人士的集体才能，以及先进的技术，以解决建筑行业面临的重大问题。）的首席技术官兼人工智能负责人Senthil Kumar（森蒂尔·库马尔）说，自己动手也是可能的。Slate Technologies是一家为建筑和相关行业提供数据分析的公司。

Slate Technologies在ChatGPT（是人工智能技术驱动的自然语言处理工具，它能够通过理解和学习人类的语言来进行对话，还能根据聊天的上下文进行互动，真正像人类一样来聊天交流，甚至能完成撰写邮件、视频脚本、文案、翻译、代码，写论文等任务）发布之前三年就开始推出自己的人工智能代理了。

Kumar（库马尔）说：“几年前人们所期待的一项有抱负的技术正在成为现实。”

他说，现在有几种大型语言模型人工智能可用，聪明的公司可以对它们进行试验，并根据自己的特定需求训练自主代理。

“我们很幸运能够站在巨人的肩膀上，从这个领域的其他人的经验中学习，”Kumar（库马尔）补充说，“从一个[人工智能模型]开始，你就可以开始调整它的行为。你比外部存在的通用解决方案以及外部的顾问更了解你的生态系统。”

二、人工监督

Kumar（库马尔）说，构建成功的人工智能代理的一个关键是人力监督，即使代理是为自主运行而构建的，人工监督也始终是必要的。组织不能构建一个人工智能代理，然后释放它并忘记它；相反，他们需要检查结果并不断寻找改进的方法。

“这是整个人工智能生态系统与人类对应方之间不断发展的协作过程，”他说，“重点将是这些代理将如何学习，代理的知识获取，以及代理将如何能够传播知识。”

然而，对于许多公司来说，决定是构建自己的人工智能代理还是与顾问合作并非易事，人工智能驱动的市场情报公司AlphaSense（是一家成立于2011年的公司，专注于市场情报搜索领域。它是一家智能金融信息搜索引擎，利用人工智能和自然语言处理技术，从超过10,000个来源的高价值内容中提供搜索、浏览和分析关键数据点、趋势和主题等内容。使命是组织全球商业信息，利用技术使公司能够做出更明智、更快的决策。公司的核心技术包括AI支持的搜索和智能同义词功能，能够发现隐藏的见解和想法，并提供自定义仪表板和警报，将情报转化为行动。其服务对象包括企业、金融服务、咨询、消费品/日用品、能源、工业、生命科学和科技、媒体和电信等多个行业。其核心产品是一个市场情报和搜索平台，允许用户访问行业运营商和买方分析师之间的专家电话会议记录，并即时提供来自专有股权研究集合的相关信息。这个平台具有AI支持的搜索和智能同义词功能，能够发现隐藏的见解和想法，并提供自定义仪表板和警报，帮助企业将情报转化为行动。）的人工智能负责人Chris Ackerson（克里斯·阿克森）说。

他说，大公司可能会倾向于推出自己高度定制的代理，但他们可能会因为内部数据分散、低估所需资源以及缺乏内部专业知识而陷入困境。

“虽然一些公司可能会成功，但这些项目在成本和复杂性方面失控是很常见的，”Ackerson（阿克森）说，“在许多情况下，从值得信赖的合作伙伴那里购买解决方案可以帮助组织避免构建者的懊悔陷阱，并加速他们成功的道路。”

他说，AlphaSense已经训练了自己的人工智能代理，但许多公司缺乏内部专业知识。此外，他补充说，组织可能会预测开发成本，但忽略持续维护成本。

阿尔法感应培训了自己的代理，但许多公司缺乏内部专业知识。此外，组织可能会预测开发成本，但忽略了维护的成本。

Ackerson（阿克森）说：“这是最大的成本，因为随着时间的推移维护人工智能系统可能很复杂且资源密集，需要不断更新、监控和优化以确保长期功能。”

他认为，与人工智能提供商合作可以让公司获得经过数千用户测试和改进的成熟的现成代理。

他说：“它实施起来更快，资源消耗更少，并且具有持续更新和支持的额外好处——让公司能够专注于业务的其他关键领域。”

三、合作伙伴的价值

数字转型提供商UST（前身为UST Global,是一家数字技术和转型、信息技术和服务提供商，总部位于美国加州亚里索维耶荷，致力于为全球大型私有和公有企业提供先进的计算和数字服务。UST在25个国家和地区设有35个办事处，其业务涉及银行和金融服务、医疗保健、保险、零售、技术、制造、航运和电信。）的首席人工智能架构师Adnan Masood（阿德南·马苏德）说，许多组织不需要训练自己的人工智能代理。

“在像具有自主性的人工智能架构这样的复杂系统方面，reinventing the wheel（直译为“重新发明轮子”，常用来指做不必要的工作，尤其是当解决方案或方法已经存在时，却还要从头开始做。）确实是一个坏主意，”他说，“这些架构本质上是复杂的，涉及到许多组件。”

他说，众多挑战之一是在具有自主性的人工智能系统中实现强大的内存管理。这个过程不仅仅是存储和检索信息，还包括智能地管理上下文、理解过去交互的相关性以及根据不断发展的知识库动态调整人工智能的响应。

他补充说，从头开始构建一个具有自主性的人工智能将涉及设计复杂的数据结构、实施高效的搜索算法以及微调人工智能解释和优先处理信息的能力。这将要求组织在机器学习、自然语言处理和数据工程方面具有专业知识。

Masood（马苏德）说：“通过求助于专家或采用预构建的解决方案，或者利用开源生态系统，他们可以利用那些已经解决这些挑战的人的专业知识和经验，最终增加他们成功的机会。”

作者：Grant Gross（格兰特·格罗斯）

Grant Gross（格兰特·格罗斯）是CIO的资深撰稿人，是一名长期的科技记者。他曾担任华盛顿记者，后来担任IDG新闻服务的高级编辑。在他职业生涯的早期，他曾担任Linux.com的总编辑和科技职业网站Techies.com的新闻编辑。在遥远的过去，他曾在明尼苏达州和达科他州的报纸担任记者和编辑。

译者：宝蓝