各组织正在部署这项不断发展的技术，以协助软件编程、创建先进的商业智能，并自动化客户支持和人力资源职能。

图片来源：Rob Schultz / Shutterstock

在过去一年中，AI智能体（AI agents）或许已接替成为最受热议的技术，此前，生成式AI的热潮似乎已在不切实际的期望重压下消退。 AI智能体通过强调运营决策而非内容生成，将生成式AI又向前推进了一步。这种方法对业务工作流程的潜在影响，已促使Aflac、大西洋卫生系统、传奇娱乐以及美国宇航局喷气推进实验室等组织已经开始探索AI智能体。 CRM领导者Salesforce此后将其战略核心围绕AI智能体展开，并宣布了Agentforce。IT服务管理巨头ServiceNow也已将AI智能体添加到其Now平台中。微软及其他公司也正加入这场角逐。

随着AI智能体在如此多的情境和平台中涌现，对该技术感兴趣的组织可能会发现难以知晓从何处入手。据AI专家称，目前已有少数几个用例脱颖而出。

咨询与税务服务提供商安永（EY）的全球创新AI官 Rodrigo Madanes 表示，AI智能体将与ERP、CRM和商业智能系统顺利集成，以自动化工作流程、管理数据分析并生成有价值的报告。与过去一些自动化技术不同，AI智能体可以实时做出决策，使得流程自动化成为一个主要用例。 “AI智能体可以自动化那些以前需要人工干预的重复性任务，例如客户服务、供应链管理和IT运营，”Madanes说。“这项技术的与众不同之处在于它能够适应不断变化的条件，并在没有人工监督的情况下处理意外输入。”

以下是几位AI专家所看到的AI智能体的九大顶级用途。

1. 软件开发

AI智能体有望将AI编码助手或副驾驶（copilots）转变为更智能的软件开发工具，能够编写大段代码。尽管编码助手迄今为止褒贬不一，但分析公司Gartner预测，更智能的AI智能体将在三年内编写大部分代码，导致大多数软件工程师需要重新学习技能。 数字化转型咨询公司 Publicis Sapient 的执行副总裁兼首席产品官 Sheldon Monteiro 表示，编码智能体不仅会编写代码，而且独立的智能体还会审查代码以查找错误。

“由于DevOps工具链已经在自动化工作流程，添加AI智能体是一个自然演进，”他说。“这些智能体可以自主地从代码中反向工程出规格，从规格中正向工程出测试用例和代码，并批准满足特定阈值标准的工件，从而提高整体自动化水平。” 包括MITRE在内的许多组织已经释放了智能体来协助编码。据其首席技术官 Charles Clancy 称，MITRE已经开发了自己的AI智能体用于代码管理。 “似乎效果很好的最佳用例是在存储库管理中，它会遍历并修复代码存储库的错误，”他补充道。【注：MITRE 是一家非营利组织，成立于1958年，主要为美国政府运营联邦资助的研发中心（FFRDCs）。它致力于解决国家安全、网络安全、医疗保健、航空航天等领域的复杂问题。其中最有名的项目之一是 MITRE ATT&CK 框架，这是一个关于网络攻击者行为的知识库，记录了攻击者在真实世界中的策略和技术。全球很多企业和政府机构都用它来识别威胁、制定防御策略。】

例如，他说，已有10年历史的源代码可能无法在现代计算机上正常编译。 “AI智能体会下载它，尝试构建它，如果无法运行，它会修复构建脚本和必要的代码，将代码签回存储库，并标记它是由AI智能体完成的，”Clancy补充道。

2. “打了类固醇”的RPA（机器人流程自动化）

许多组织已经在使用机器人流程自动化（RPA）来自动化许多领域的简单和重复性任务。AI智能体也可以自动化任务，但它们还能处理需要更高级别决策功能的更复杂问题，Publicis Sapient 的 Monteiro 说。

“借助AI，RPA超越了基于规则的行动，转向了适应性强、自主的流程，显著提升了整个业务运营的效率，”他说。“新工具使我们能够训练智能体，不仅完成RPA正在做的最简单的任务，而且实际上能够理解异常逻辑何时也适用的某些细微之处。” 一些AI专家预测，智能体将承担比RPA能处理的更复杂的任务，有时智能体会与RPA协同工作，以实现新的自动化水平。 IBM MIT AI实验室的AI研究科学家 Shae Khan 表示，许多组织很快将使用AI来增强，在某些情况下甚至取代传统的RPA。AI智能体将用于处理需要决策能力的复杂和动态任务，而RPA将继续用于重复性、基于规则的流程。

【睿观：“打了类固醇”的 RPA（机器人流程自动化）通常是指在传统 RPA 的基础上，加入了更强大的能力，比如人工智能（AI）、机器学习（ML）、自然语言处理（NLP）等，让它不再只是“机械地执行任务”，而是具备了“理解、判断、适应”的能力。简单来说，它不只是“快”，而是“又快又聪明”。比如：

• 传统 RPA：像流水线工人，按照固定流程点击、复制、粘贴。

• “打了类固醇”的 RPA：像一个聪明的助理，能读懂邮件内容、识别发票信息、甚至根据上下文做出决策。

这种增强版 RPA 有时也被称为 智能自动化（Intelligent Automation）或 超自动化（Hyperautomation），是企业数字化转型的重要趋势。】

3. 客户支持自动化

AI客户体验解决方案提供商 Genesys 的首席技术官 Glenn Nethercutt 表示，组织长期以来一直使用简单的聊天机器人和语音机器人来处理简单的客户服务请求，但AI智能体将使客户服务自动化演变为一种更强大的服务，不仅仅是回答几个常见问题。 “我倾向于将代理型AI定义为一种能够执行基于推理的、多步骤的、非确定性任务的自主能力，”Nethercutt说。“这是一种在没有人为指导的情况下处理真正复杂和适应性决策过程的能力。” 他说，这些客户服务智能体将涵盖各种行业和职能，包括零售、金融服务和IT服务台帮助。AI智能体将能够理解并为广泛的客户需求提供上下文相关的答案，而不是一个只回答有限数量问题的高度策划的机器人。

例如，一个银行客户将能够说：“从我钱最多的账户里取钱，然后转到我的支票账户。”Nethercutt说，一个简单的聊天机器人通常无法理解“钱最多的账户”是什么意思。 “由此产生的想法是拥有这样一个可以执行的操作目录，并有一个足够智能的AI，”他说。“这是我面前的全套选项，我可以选择使用什么，而护栏将变得越来越复杂。”

4. 自动化企业工作流程

专家表示，随着ServiceNow、Salesforce和其他供应商拥抱AI智能体，企业工作流程将成为该技术的一个甜点，使企业能够通过自动化常规任务来简化流程。

例如，Monteiro说，一个AI智能体可以将会议记录转化为项目工单，无需人工输入，或者根据供需预测触发供应商订单。 他补充说，在整个企业中部署来自大型供应商的IT工具的组织，将比使用可能需要通过API连接的各种解决方案的公司更具优势。对企业来说，汇集所有数据并避免信息孤岛将非常重要。 “CIO们正在面临的问题是，你将委托谁来构建你的上下文存储库，也就是你企业如何运作的深度知识？”他补充道。“想象一下你企业的所有知识。如果你的LLM实际上了解你企业运作的全部情况呢？”

5. 网络安全和威胁检测

几家网络安全提供商已部署AI智能体来检测和响应威胁。“网络安全中的代理型AI可以自主地检测、反应甚至近乎实时地缓解安全和欺诈威胁，缩短对潜在攻击的响应时间并增强整体安全性，”Monteiro说。 此外，据AI智能体供应商Beam称，AI智能体可以实现适应特定威胁和漏洞的个性化安全协议。“这种代理自动化确保了更强大的防御机制，”该公司声称。 据Beam称，AI智能体还可以通过自动化常规任务和安全响应来提高效率和节约成本。

6. 提升生产力

全球律师事务所Avantia使用商业和开源的生成式AI来驱动其智能体，这些智能体随后作为伴侣，内置于Microsoft Word或Outlook中，随时准备执行任务。 “我们领域的主要挑战是有数百项任务可能自动化得不是特别好，”首席技术官 Paul Gaskell 说。“而且它们不适合SaaS解决方案。在太多地方有太多独立的任务。” 业务上的好处是，律师可以更快地完成合同流程，更快地响应客户，比任何人都更快地完成交易。

“如果客户要求我们进行交易或工作流程，并且Outlook或Word是打开的，AI智能体可以访问所有公司数据，”他说。“而且因为这是我们的律师在我们自己的文档上工作，我们有他们通常做法的历史记录。” 另一家使用智能体自动化业务流程的公司是SS&C，一家金融服务和医疗保健技术公司。该公司自动化高级董事总经理 Brian Halpin 说，公司以各种格式从其20,000名客户那里接收文件，包括电子邮件和PDF。 SS&C每月需要处理数百万份文件，公司有20个用例让AI智能体与文件互动。

该系统于2024年中投入生产，并在11月处理了50,000份文件。“我们将继续扩大规模，”他说。 他说，使用传统自动化，人类几乎需要查看每一份文件，但使用智能体后，自动化比例达到了90%以上，只有少量文件需要人工审查。

7. 生成报告

编写文本和创建图像是生成式AI最早流行的两个用例。现在，AI智能体可以极大地加速内容创作过程。例如，安永（EY）在其第三方风险管理服务中使用了AI智能体。 “企业雇佣我们来评估引入的一些供应商，”安永负责人 Sinclair Schuller 说。“我们的风险评估员做这项工作，为一个供应商花费多达50小时，仔细研究合同和其他文件，以生成一份指出我们观察到的风险的报告。”

这是过去的做法，直到生成式AI出现。现在，人类专家会增强由AI生成的报告。 “现在我们可以向AI提供所有合同和公开文件，它可以在几分钟内而不是几天内生成一份具有极高准确性和细节的报告，”他说。“AI加上人类专业知识是质量上的巨大提升，”他说。 现在，随着AI智能体的出现，这个过程再次发生变化。安永将发布一个由智能体驱动的评估供应商的流程版本。“这将是对供应商的持续监控，这在以前是不可能的，”Schuller说。 他补充说，AI智能体不仅仅是关于优化用例。“真正的价值在于市场的扩展和收入机会的扩展。”

8. 人力资源和员工支持

另一个风险相对较低、价值较高的AI智能体用例是回答员工问题并代表他们处理简单任务。事实上，IBM 1月份关于生成式AI开发的一项调查得出结论，43%的公司使用AI智能体处理人力资源。 例如，全球数据服务公司Indicium于2024年中开始部署AI智能体，当时该技术开始成熟。 “你会开始看到现成的应用程序——包括开源和专有的——使得构建它们变得更加容易，”该公司首席数据官 Daniel Avancini 说。 他说，这些智能体用于使人力资源工作更轻松，包括内部知识检索、标记和文档记录等任务，以及其他业务流程。 每个智能体都像一个微服务，专注于一件特定的事情。“它们在多智能体系统中相互交谈，”他说。 而这些基于提示的对话可能会变得很奇特。棘手的是，存在幻觉和所有其他生成式AI带来的问题的可能性。“所以需要对模型进行大量调整，以使它们不做错事或访问错误信息，”他说。 从积极的一面看，AI智能体可以自主处理很多问题，创造了另一个业务效益。“我们还发现了记录不正确的流程，所以它帮助我们改进流程，”Avancini补充道。

9. 商业智能

AI智能体将产生巨大影响的另一个领域是商业智能。由AI驱动的BI供应商Zenlytic的联合创始人兼CEO Ryan Janssen说，虽然BI仪表盘使用起来相对简单，但要获得超出标准类别的洞察，通常需要数据团队进行提取工作。 他说，一个与BI解决方案配对的AI智能体可以让更多员工获得有用的分析。例如，Janssen说，一个用于BI的AI智能体可以建议市场团队在哪里花费预算，或者根据餐巾纸上画的草图创建一个图表。 能够理解语音输入的AI智能体可以根据口头问题生成业务数据洞察，例如，“我们排名前三的营销渠道是什么？” “这是一个非常自然的问题，但它很模糊，”Janssen说。“用聊天机器人和用智能体做不到的是消除那个模糊的问题。你说的‘排名前三’是什么意思？一个构建良好的智能体会说，‘哦，等等，这很模糊；我需要回去用一个工具来解决这个问题。’” Janssen补充说，许多组织才刚刚开始他们的代理型AI之旅，还有数百种用途有待发现。编码智能体是一个早期的用例，因为编程是细节驱动且耗时的，但现在编码爱好者正在使用编码助手构建应用程序。 “它们最佳的应用方式是当你有一些繁琐、需要大量工作或需要高度关注细节的工作时，”Janssen说。 他补充说，当数十个智能体被串联起来并组织起来时，企业将看到新的突破。 “我们甚至还没有触及智能体能做什么的皮毛，”他说。“我们还不知道一个组织应该是什么样子，它们应该如何互动，以及如何进行治理。但我毫不怀疑，在接下来的几年里，我们会弄清楚的。”

睿观：

代理型AI（智能体）正从内容生成转向自主决策与行动，为企业带来新机遇（核心演变）。文章列举了九大极具潜力的商业用例，涵盖软件开发、增强版RPA、客户支持、企业工作流、网络安全、生产力提升（如文档处理）、报告生成、人力资源及商业智能（关键应用领域）。通过在这些领域部署智能体处理那些复杂、耗时或需要高度关注细节的任务，企业能将AI的潜力转化为可衡量的业务成果，重塑运营模式（战略价值与影响）。

金句：

从“生成内容”到“执行任务”，智能体正在为AI装上“手和脚”，将智慧转化为行动，重塑企业的每一个工作流。