具有决策能力的运营型AI正在逐步融入商业领域，但要确保投资的回报，就需要了解哪些工作流程将从AI代理中受益。

今年可能是代理式AI大放异彩的一年，许多企业都在寻找具有增值潜力的应用场景。一个关键问题是：哪些业务流程真正适合代理式AI？

商业咨询公司德勤预测，到2025年，25%使用生成式AI的公司将启动代理式AI试点或概念验证，到2027年这一比例将增长到50%。该公司表示，今年某些行业的某些用例中的一些代理式AI应用可能会被实际应用到现有工作流程中。

但并非所有业务流程都适合代理式AI，因此不值得进行AI投资。一些市场观察人士认为，确定性自动化将在今年继续主导生产自动化。

以下是首席信息官（CIO）在确保代理式AI为特定工作流程带来回报时应牢记的事项。

业务一致性、价值和风险

企业如何判断某个业务流程是否适合代理式AI？与任何IT投资一样，需要考虑的一个因素是采用代理式AI是否会为流程增加实际价值。

全球技术研究和IT咨询公司ISG的首席战略官兼合伙人Prashant Kelker表示：“成功的代理式AI战略始于对AI代理要实现的目标的明确定义。将AI的目标与更广泛的业务目标保持一致至关重要。代理式AI需要一个使命。没有明确定义的目标，就像让一艘船在没有目的地的情况下出海。”

专注于AI领域的Culhane Meadows律师事务所合伙人Reiko Feaver表示，最初，关于某个业务流程是否适合切换到代理式AI的决策，将遵循适用于评估是否使用任何新业务或技术解决方案的相同内部流程。

如果成本/效益分析表明代理式AI将提供当前流程中缺失的部分，并实现投资回报率（ROI），那么公司应投入必要的资源，包括资金、人员和时间。由于供应商代理式AI产品的定价可能很复杂且尚未完全明确，因此该等式会进一步复杂化。

Feaver表示，特定流程的代理式AI的自主性、增加的资源和复杂性也会带来必须考虑的挑战。企业应对这些挑战的能力有助于确定流程是否已准备好采用代理式AI。

Feaver问道：“企业是否拥有初始和持续的资源来支持和不断改进代理式AI技术，包括基础设施和必要的数据？[它]是否已建立合规审查和监控结构，以初步评估特定代理式AI的风险；监控并在出现问题时进行纠正；衡量成功；及时了解适用的法律法规？”

此外，企业能否承受流程中代理式AI在性能和合规性方面的失败？Feaver问道：“如果代理式AI失败且必须更换为其他解决方案来处理相关业务流程，会产生什么业务影响？该业务流程能否轻松回退到其他解决方案？”

数据和可操作框架

良好代理式AI用例的另一个关键属性是用于支持流程的数据质量。

工作管理平台提供商Asana的首席信息官Saket Srivastava表示：“为了从代理式AI中获得切实的价值和ROI，公司需要确保他们拥有高质量的数据。如果[代理]正在处理的数据过时、没有意义或与公司目标不一致，那么组织将无法从这些AI代理中获得有价值的输出。”

AI代理还需要了解谁负责特定任务、目标是什么、何时需要执行操作以及流程如何展开。Srivastava表示：“如果没有这种可操作的框架，即使是最先进的AI系统也难以提供有意义的价值。”

对于Asana而言，代理式AI在其公司内部和客户的工作管理转型中发挥着关键作用。Srivastava表示，去年，该公司推出了AI代理，这些代理可以提供优先级建议、驱动工作流程并执行工作，同时适应个人和团队的独特工作方式。

Asana最近还推出了Asana AI Studio，该工作室使用代理式AI使团队能够创建无代码、AI驱动的工作流程。Srivastava表示：“这些工作流程[允许]AI代理处理重复性的手动任务，如分类项目请求、起草简报或分配工作，从而大大减少团队花费在繁忙工作上的时间。”

Srivastava表示：“我们已使所有员工能够利用AI Studio执行特定任务，如研究和起草计划，确保内容或资产的准确翻译符合品牌指南。”

例如，Asana的网络安全团队已使用AI Studio来帮助减少警报疲劳，并释放团队之前花费在分类警报和漏洞上的繁忙工作量。IT部门使用Asana AI Studio进行供应商管理，支持帮助台请求，并确保其满足软件和合规性管理要求。

客户服务：理想的代理式AI用例

技术咨询公司Publicis Sapient的首席产品官兼生成式AI负责人Sheldon Montiero表示，客户服务可能是代理式AI的理想领域。长期以来，企业一直使用交互式语音应答（IVR）系统和早期客户服务聊天机器人来自动化客户互动。但它们是基于规则的，并在固定的预定义工作流程中运行。

Montiero表示：“IVR依赖于僵化的决策树，这意味着它们难以应对复杂或意外的查询，经常让陷入无休止循环或被迫重复自己的客户感到沮丧。”

Montiero表示，传统聊天机器人基于关键字匹配和预先编写的响应运行。它们适用于简单的结构化查询，如查询账户余额，但当客户以意外方式措辞问题、引入多个主题或需要上下文理解时，它们就会失败。

Montiero表示：“这两种方法都缺乏真正的适应性和动态问题解决能力，导致经常升级到人工客服，并导致糟糕的客户体验。”他表示，代理式AI引入了一种新范式，从基于规则的自动化转变为上下文感知、自我改进和自主的客户服务代理。

Montiero表示：“客户服务是一个强大的用例，因为它需要解决可能复杂且具有依赖性的多步骤客户问题，涉及上下文理解、理解细微差别和推理客户问题，以及根据不断变化的条件进行调整。”

Montiero表示，客户服务互动涉及文本、图像和语音等非结构化数据，并在需要不断学习和实时适应的动态环境中运行。

他表示：“通过即时、自主的解决方案以及利用反馈随时间改进，可以最大限度地提高竞争优势。传统聊天机器人和IVR是关于自动化任务的。代理式AI是关于解决问题并提供实时、适应性和个性化的客户体验的。”

代理式AI的优势领域

除客户服务工作流程外，专家们还看到了四种通用流程场景，这些场景可以为代理式AI提供有意义的用例。

1. 提升混合业务流程

全球管理和技术咨询公司AArete的数据科学和分析副总裁Priya Iragavarapu表示，代理式AI可以产生影响的一种场景是已经融合了自动化和基于人工决策的任务的业务流程。

Iragavarapu表示：“代理式AI最适用于在单个流程中交织了程序化和手动任务的双重方法业务流程。”

这方面的一个例子是保险索赔处理工作流程，该工作流程涉及结构化数据的自动验证（如验证保单号和承保日期）以及非结构化文件（如需要人工解释的医疗报告或异常情况）的手动审查。

2. 桥接和协调跨部门工作流程

代理式AI可以发挥价值的另一种场景是业务流程跨越多个孤立的团队，每个团队都无法查看或访问其他团队的数据或系统。

Iragavarapu表示：“那么最好构建一个可以针对这种跨职能专业知识和知识进行交叉培训的AI代理。”这方面的一个例子是大型组织中的订单到现金流程，其中销售、财务和物流团队在不同的系统中运行。

Iragavarapu表示：“AI代理可以集成和聚合来自所有这些系统的数据，提供统一的视图来识别瓶颈、发送有关延迟的主动警报，并协助对账任务。”她表示，该代理充当跨团队的桥梁，以确保更顺畅的工作流程和决策。

Srivastava表示，当流程跨越多个团队或部门并需要大量协调时，它们可以从AI作为协调者的能力中受益。Asana的代理可以通过跟踪团队进度来建议最佳工作流程并确保问责制。他表示：“这可以确保工作与目标保持一致，并降低沟通不畅或错过截止日期的风险。”

3. 通过多个重复步骤聚合自动化

Srivastava表示：“涉及例行、重复操作（如数据录入、任务分配或报告生成）的流程适合[代理式]AI。这些任务通常会占用大量员工时间，但不需要深入的创造性或战略性思考。代理式AI可以自动化这些工作流程，使员工能够专注于更高价值的活动。”

ISG正在使用代理式AI来处理其ISG Tango工具的某些组件。Kelker表示：“我们正在升级[该工具]，以纳入AI元素，并在采购、寻源和供应商管理中试点用例，这构成了我们咨询服务的大部分。我们正在快速跟踪那些可以超越传统机器学习，自主完成任务和做出决策的用例。”

Kelker表示，高度重复且遵循明确规则的步骤是代理式AI的理想选择。他表示：“例如，供应商管理中的发票匹配促成了我们的发票取证产品，该产品可确保公司不会为服务重复付款。规则应该清晰，重复性应该很高。这是理想的组合。”

4. 取代昂贵的人工任务

Iragavarapu表示，适合代理式AI的另一种场景是业务流程涉及人工方法，而雇用工人处理这些任务过于昂贵。

“这方面的一个例子是快速增长的业务中的客户支持运营，”Iragavarapu表示。与其雇用一个庞大的团队来处理日常客户咨询，如订单状态更新、账户问题或基本故障排除，AI代理可以自主处理这些互动的大部分。

“它可以解决常见问题，将复杂案例升级到人工客服，并随着时间的推移学习以改进其响应，”Iragavarapu表示。“这种方法降低了运营成本，缩短了响应时间，并使人工客服能够专注于更高价值的互动，如处理纠纷或建立客户关系。”

总结：

企业在考虑采用代理式AI时，需要仔细评估业务流程，确保其符合代理式AI的特点和优势。通过明确目标、高质量的数据、可操作的框架以及选择合适的用例，企业可以最大化代理式AI的价值，并实现投资回报。