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(gè)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(dòng)、運(yùn)用邏輯推理解決復(fù)雜問(wèn)題，并評(píng)估用戶查詢(xún)的響應(yīng)。

如果你曾與客戶服務(wù)聊天機(jī)器人互動(dòng)，或要求生成式AI模型創(chuàng)作一首十四行詩(shī)，那么你已經(jīng)接觸到AI代理的基礎(chǔ)形式。若你察覺(jué)自ChatGPT推動(dòng)生成式AI成為主流以來(lái)，其性能顯著提升，你的觀察并無(wú)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(yǔ)言處理能力開(kāi)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(guò)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(dòng)化組織流程，從而顯著提高員工日常工作效率。

麥肯錫高級(jí)合伙人Lari H?m?l?inen表示：“生成式AI的開(kāi)發(fā)速度極快。如今，人機(jī)協(xié)同的成果能夠顯著提升質(zhì)量和生產(chǎn)力。”近期在短期和長(zhǎng)期記憶結(jié)構(gòu)方面的進(jìn)展，使AI代理能夠更好地個(gè)性化與外部和內(nèi)部用戶的交互，這意味著它們?cè)趫?zhí)行任何任務(wù)時(shí)都能迅速改進(jìn)。

展望未來(lái)，AI代理的性能將進(jìn)一步提升。簡(jiǎn)言之，AI代理正從“思考”邁向“行動(dòng)”。在過(guò)去18個(gè)月中，谷歌、微軟、OpenAI等公司已投資于支持代理功能的軟件庫(kù)和框架。借助大型語(yǔ)言模型（LLM）驅(qū)動(dòng)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(shí)的工具轉(zhuǎn)變?yōu)楦⒅匦袆?dòng)的工具。在不久的將來(lái)，AI代理可能變得像今天的移動(dòng)應(yīng)用程序一樣普遍。

AI代理的類(lèi)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(lèi)。以下是當(dāng)前正在開(kāi)發(fā)的一些AI代理類(lèi)型的非詳盡列表：

個(gè)人增強(qiáng)型代理（“副駕駛”代理）

這些代理作為個(gè)人用戶的“副駕駛”（copilot），旨在增強(qiáng)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(xiě)代碼或檢索知識(shí)。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(lèi)代理的效果取決于每個(gè)用戶自身的動(dòng)力和投入。

工作流程自動(dòng)化平臺(tái)

此類(lèi)代理專(zhuān)注于自動(dòng)化單一或多步驟任務(wù)，或小型工作流程，作為AI驅(qū)動(dòng)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(kāi)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(lài)于實(shí)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(chǎng)景）

這些代理是為特定業(yè)務(wù)場(chǎng)景或功能量身定制的解決方案。例如，AI驅(qū)動(dòng)的客戶服務(wù)系統(tǒng)或AI賦能的軟件開(kāi)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(yùn)營(yíng)模式

這些代理被融入企業(yè)的整體運(yùn)營(yíng)模式，而非僅應(yīng)用于單個(gè)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(jì)，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(guò)類(lèi)似規(guī)模的變革，AI可能會(huì)帶來(lái)同樣的影響。

AI虛擬員工

AI虛擬員工是作為員工或團(tuán)隊(duì)成員運(yùn)作的代理，是最具顛覆性潛力的類(lèi)別。這些虛擬員工可使企業(yè)無(wú)需進(jìn)行全面組織轉(zhuǎn)型，即可通過(guò)AI在現(xiàn)有模式內(nèi)運(yùn)作，從而更快地捕捉價(jià)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(gè)人AI副駕駛的同時(shí)，自動(dòng)化特定工作流程并試點(diǎn)一些虛擬員工。

AI代理如何運(yùn)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(chǎng)景。它們既可使用為人類(lèi)設(shè)計(jì)的工具（如網(wǎng)頁(yè)瀏覽器），也可使用為計(jì)算機(jī)設(shè)計(jì)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(yùn)作。

AI代理的運(yùn)作過(guò)程通常包括以下四個(gè)步驟（見(jiàn)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(shí)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(zhuān)業(yè)化子代理。這些專(zhuān)業(yè)代理利用過(guò)往經(jīng)驗(yàn)和學(xué)習(xí)到的領(lǐng)域?qū)ｉL(zhǎng)，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(qǐng)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(qǐng)求用戶反饋。

4. 代理執(zhí)行行動(dòng)

代理執(zhí)行完成任務(wù)所需的任何必要行動(dòng)。

任何AI代理的部署都應(yīng)包含一系列控制機(jī)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(wèn)題，或?qū)?wèn)題升級(jí)至人類(lèi)管理者。代理之間的協(xié)作也可提升效果：批評(píng)專(zhuān)家代理可審查創(chuàng)建者代理制定的計(jì)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(wèn)。組織還可開(kāi)發(fā)專(zhuān)門(mén)的代理，基于倫理和偏見(jiàn)考量自動(dòng)測(cè)試和糾正其他代理的輸出。

AI代理與大型語(yǔ)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(lèi)溝通時(shí)，AI代理通常依托具備自然語(yǔ)言處理能力的大型語(yǔ)言模型（LLM）。以自動(dòng)駕駛汽車(chē)為例，其運(yùn)行依賴(lài)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(chē)輛安全左轉(zhuǎn)的代理則會(huì)使用高度專(zhuān)業(yè)化的設(shè)計(jì)模型，而非LLM，以處理特定類(lèi)型的決策。

AI代理如何影響業(yè)務(wù)增長(zhǎng)？

麥肯錫估計(jì)，長(zhǎng)期來(lái)看，生成式AI的企業(yè)應(yīng)用場(chǎng)景每年可創(chuàng)造高達(dá)4.4萬(wàn)億美元的價(jià)值。然而，除非組織能夠迅速實(shí)施AI以重新構(gòu)想和轉(zhuǎn)型工作方式，否則無(wú)法將這一潛力轉(zhuǎn)化為業(yè)務(wù)增長(zhǎng)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(jià)值，優(yōu)于其他傳統(tǒng)技術(shù)。

生成式AI的價(jià)值不僅限于常見(jiàn)工作任務(wù)的自動(dòng)化。麥肯錫預(yù)測(cè)，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(yǔ)言、過(guò)渡到功能更強(qiáng)大的現(xiàn)代框架，到重構(gòu)系統(tǒng)以實(shí)現(xiàn)模塊化，以及將應(yīng)用程序遷移到成本更低的云計(jì)算環(huán)境。技術(shù)領(lǐng)導(dǎo)者可利用多個(gè)專(zhuān)業(yè)化的AI代理，每個(gè)代理?yè)碛歇?dú)特的角色和專(zhuān)長(zhǎng)，協(xié)作處理復(fù)雜任務(wù)，并通過(guò)人類(lèi)反饋實(shí)時(shí)迭代。然而，真正的價(jià)值來(lái)自于協(xié)調(diào)代理完成離散任務(wù)以及整個(gè)軟件開(kāi)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(jī)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(duì)生成式AI經(jīng)濟(jì)潛力的研究，使用生成式AI賦能的客戶服務(wù)代理使問(wèn)題解決效率每小時(shí)提升14%，處理問(wèn)題的時(shí)間減少9%。麥肯錫高級(jí)合伙人Jorge Amar表示：“隨著時(shí)間推移，我預(yù)計(jì)生成式AI代理將提升客戶滿意度并創(chuàng)造收入。它們?cè)阡N(xiāo)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(yàn)選擇，例如以高接觸的人工代理交互作為高端服務(wù)。”

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

代理能更輕松應(yīng)對(duì)不可預(yù)測(cè)情況

基于規(guī)則的系統(tǒng)在面對(duì)規(guī)則設(shè)計(jì)者未預(yù)料的情景時(shí)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(shí)適應(yīng)多種場(chǎng)景并執(zhí)行專(zhuān)業(yè)化任務(wù)。

代理系統(tǒng)可用自然語(yǔ)言指令引導(dǎo)

自然語(yǔ)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(yǔ)言處理編碼的生成式AI代理，使更廣泛的員工群體無(wú)需專(zhuān)門(mén)編程或協(xié)調(diào)大型IT項(xiàng)目，即可設(shè)想并使用AI工具實(shí)現(xiàn)成果。

代理可與現(xiàn)有軟件工具和平臺(tái)協(xié)同工作

生成式AI代理運(yùn)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(wú)基礎(chǔ)模型，這些功能需大量手動(dòng)工作來(lái)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(shí)，其能力會(huì)因環(huán)境反應(yīng)而復(fù)合增長(zhǎng)。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(shí)案例是什么？

聯(lián)想已在軟件工程和客戶支持兩個(gè)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(tuán)首席技術(shù)官胡貫中（Arthur Hu）表示，軟件工程師已實(shí)現(xiàn)高達(dá)15%的效率提升。公司首席運(yùn)營(yíng)官兼戰(zhàn)略負(fù)責(zé)人姚琳達(dá)（Linda Yao）補(bǔ)充道，客戶服務(wù)領(lǐng)域的通話處理時(shí)間生產(chǎn)率實(shí)現(xiàn)了兩位數(shù)的增長(zhǎng)。

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(lái)，姚設(shè)想AI代理作為人類(lèi)的“副手”，獨(dú)立完成任務(wù)。

AI代理的其他企業(yè)應(yīng)用場(chǎng)景有哪些？

以下是三個(gè)假設(shè)性應(yīng)用場(chǎng)景，展示AI代理未來(lái)的潛在應(yīng)用：

貸款審批

由多個(gè)專(zhuān)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(xiǎn)場(chǎng)景。過(guò)去，這通常是一個(gè)耗時(shí)且高度協(xié)作的過(guò)程，涉及收集、分析和審查與借款人、貸款類(lèi)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(lái)安全風(fēng)險(xiǎn)并減緩業(yè)務(wù)創(chuàng)新步伐。AI代理可助力簡(jiǎn)化這些系統(tǒng)的現(xiàn)代化進(jìn)程。例如，企業(yè)可部署一個(gè)專(zhuān)精于傳統(tǒng)軟件的代理分析舊代碼，同時(shí)另一個(gè)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(yíng)銷(xiāo)活動(dòng)

設(shè)計(jì)、啟動(dòng)和運(yùn)行在線營(yíng)銷(xiāo)活動(dòng)是一個(gè)復(fù)雜且多層次的過(guò)程，涉及眾多人員。單一的AI代理系統(tǒng)可基于公司營(yíng)銷(xiāo)專(zhuān)業(yè)人員的輸入，開(kāi)發(fā)、測(cè)試和迭代活動(dòng)創(chuàng)意。隨后，數(shù)字營(yíng)銷(xiāo)代理可收集洞察以制定策略和文案，而設(shè)計(jì)代理則可打造定制化內(nèi)容。

組織在采用AI代理時(shí)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(lèi)年齡段的客戶——甚至Z世代——仍?xún)A向于通過(guò)實(shí)時(shí)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(guò)創(chuàng)建檢查AI代理錯(cuò)誤或“幻覺(jué)”的架構(gòu)，在答案與客戶共享前減少錯(cuò)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(jià)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(gè)組織獨(dú)特的價(jià)值觀以及以人為中心的AI生態(tài)系統(tǒng)的社會(huì)價(jià)值觀。”

另一個(gè)挑戰(zhàn)是，麥肯錫高級(jí)合伙人Amar指出，組織在擴(kuò)展AI代理時(shí)需進(jìn)行變革管理。他表示：“這遠(yuǎn)不止推出新工具那么簡(jiǎn)單。企業(yè)需要重新調(diào)整職能運(yùn)作方式，以充分發(fā)揮生成式AI代理的價(jià)值。”

這種調(diào)整包括采用新技術(shù)，并對(duì)現(xiàn)有技術(shù)進(jìn)行優(yōu)化，使其與基于機(jī)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(yùn)營(yíng)模式，支持小團(tuán)隊(duì)迭代開(kāi)發(fā)新服務(wù)。此外，領(lǐng)導(dǎo)者應(yīng)設(shè)立激勵(lì)機(jī)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(hù)是領(lǐng)導(dǎo)者在部署AI代理時(shí)的主要關(guān)切。”追求AI代理計(jì)劃的企業(yè)應(yīng)謹(jǐn)慎實(shí)施安全、運(yùn)營(yíng)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(yùn)行技術(shù)項(xiàng)目的方式。麥肯錫預(yù)計(jì)，IT架構(gòu)將從傳統(tǒng)的以應(yīng)用程序?yàn)橹行哪Ｊ睫D(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(gè)相互通信的代理，以及與人類(lèi)和外部程序的交互，以實(shí)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(jiàn)圖2）：

超級(jí)平臺(tái)（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(jí)平臺(tái)運(yùn)行銷(xiāo)售報(bào)告，同時(shí)自動(dòng)與公司的分析工具通信。過(guò)去，這需要針對(duì)特定應(yīng)用場(chǎng)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(guò)API與第三方服務(wù)通信和協(xié)作，而不暴露公司專(zhuān)有數(shù)據(jù)。例如，一家銀行可圍繞內(nèi)部開(kāi)發(fā)的AI驅(qū)動(dòng)信用風(fēng)險(xiǎn)模型構(gòu)建生成式AI賦能的封裝器。該AI封裝器可啟動(dòng)行動(dòng)，例如請(qǐng)求供應(yīng)商的LLM基于客戶數(shù)據(jù)和信用評(píng)分生成風(fēng)險(xiǎn)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(guò)微調(diào)預(yù)訓(xùn)練LLM或使用檢索增強(qiáng)生成（RAG）訪問(wèn)公司專(zhuān)有數(shù)據(jù)，開(kāi)發(fā)定制的生成式AI賦能代理。例如，在客戶服務(wù)場(chǎng)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(wèn)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(shí)施AI代理的步驟有哪些？

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

審慎評(píng)估耗時(shí)長(zhǎng)、涉及人員多的技術(shù)提案

這意味著審視所有大型提案，評(píng)估生成式AI如何降低成本并縮短時(shí)間線。領(lǐng)導(dǎo)者應(yīng)對(duì)聲稱(chēng)融入生成式AI能力的提案尤為審慎，因?yàn)檫@些能力的價(jià)值潛力可能有限或僅為輔助性。

聚焦核心問(wèn)題

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

提前應(yīng)對(duì)人才、技術(shù)及運(yùn)營(yíng)模式的變革影響

隨著多代理模式的擴(kuò)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(jì)劃，相應(yīng)調(diào)整運(yùn)營(yíng)模式，以及重新評(píng)估運(yùn)營(yíng)和資本支出。

AI代理的演進(jìn)才剛剛起步，未來(lái)仍有諸多經(jīng)驗(yàn)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(shí)驗(yàn)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