在19世纪的英国,贵族与仆人的比例大约是1:10 - 然后工业革命来临了。到2030年,先进的公司将拥有比人类员工更多的智能代理(我更倾向于称之为数字员工)。(参见我之前在 Forbes 上关于 AI 代理的专栏文章。)是的,关于 AI 代理有很多炒作,包括 Salesforce 那则 Mathew McConaughey 因为训练不当的代理而在餐厅被淋湿的俗气广告。但是,已经有一些公司正在部署这些数字员工,并允许他们的员工通过常规内部渠道根据需要"雇用"它们。
OneDigital 就是一个很好的例子,这家金融服务公司拥有超过10万家企业客户和数百万个人客户。他们提供个性化的、技术驱动的解决方案,旨在满足当代工作生活需求。该公司通过收购多家服务公司和顾问而发展壮大,并以其创业精神为荣 - 因此自上而下强制推行数字员工的想法是行不通的。
相反,在 AI 负责人 Vinay Gidwaney 的带领下,OneDigital 团队创建了一组数字员工(目前有10个在运行,还有十几个在开发中),他们都在不同领域接受了专业培训。这个新的数字人才库通过 AI 人才配置门户在公司内部提供服务。上面的截图就是一个例子。
你可以看到,"Frank" 是销售效率和为 OneDigital 现有客户扩展服务战略的专家。此外,最近还添加了 "Yesper",帮助管理者在 OneDigital 快速发展的这几年里指导和支持团队成员,同时保持创新和以客户为先的文化。还有许多其他数字员工,包括 "Ben",一位精通为 OneDigital 客户降低医疗成本的专家。考虑到 OneDigital 的客户越来越多地将医疗成本视为一个挑战,Vinay 和团队决定在数字员工方面进行投资。
AI 代理与数字员工作为关键概念
正如 Vinay 所说:"我们选择使用雇用数字员工而不是 AI 术语的类比,因为这样更容易理解和分类你在工作中需要什么帮助。而且,这也符合我们销售和服务专业人员的文化。"
该项目于2024年中期启动,并在2025年初在全公司范围内推广。已经"雇用"了超过10个代理,早期的价值报告显示成效显著。例如,仅在1月份,在一个只有200名顾问的小型测试组中,就完成了超过3,000次 AI 互动。
Vinay 预计随着他们推出更多功能,这项投资会继续增长。Vinay 指出:"由于目前的反响强烈,我们期待在销售效率、后台任务、人力资源等领域创建更多的数字员工。此外,现在我们已经有了在实际工作中与真实人员互动的数字员工,员工们的想象力被打开了,我们期待听到他们对新数字同事的创意想法。"
在我们 GAI Insights 的工作中,我们看到领先的公司意识到 AI 不仅仅是技术变革,更是组织变革。使用数字员工类比的优点在于每个人都能理解它。
给领导者的3点启示
第一个实际启示是要了解正在诞生的数字员工类型。了解 OneDigital 的工作,理解像 Accenture 和 Salesforce 这样的公司如何创建按需代理。思考你可以为自己建立什么。
第二,考虑在组织中哪些地方数字员工可以创造最大的价值。你是否需要在公司休息时间提供帮助、服务等方面的支持?增加 RFP 审查能力是否能提高对客户的响应速度?每个公司都有一两个瓶颈可以通过数字员工来缓解。
第三,也可能是最重要的,当你从这些创新中创造财务盈余时,要给客户一些,给投资者一些,但别忘了重新投资于你的人才,帮助他们成长,创造一个人类和数字员工共同提升表现的正向学习循环。记住,亨利·福特在推行他的革命时将日工资从2.50美元提高到5.00美元,现在是时候做同样的事情了。
好文章,需要你的鼓励
微软宣布推出Windows 365 Reserve预览版,这是一项云电脑服务,可在物理设备不可用时提供预配置的临时云电脑。该服务预装Microsoft 365应用、安全策略和Windows自定义设置,支持OneDrive数据同步,每年可使用10天。用户可通过Windows应用或浏览器在几分钟内连接。微软还更新了云电脑默认安全设置,禁用USB和剪贴板重定向功能。
浙江大学团队提出CanDist框架,让AI在数据标注时先提供多个候选答案而非单一答案,再通过师生框架筛选最优标签。该方法受心理学"模糊厌恶"启发,在六个文本分类任务上表现优异,相比传统方法平均提升18-27%准确率,为AI数据标注提供了更智能可靠的解决方案。
智能体AI具备推理、适应和自主行动能力,能够以机器速度运行,有望彻底改变企业维护数字韧性的方式。它结合了大语言模型的对话分析体验和智能体框架的任务执行自动化,帮助IT团队从被动救火模式转向主动规划模式。智能体AI可瞬间定位根本原因、预防中断和停机、提供实时洞察并优化人力资源配置,为企业数字生态系统的安全和可靠性能交付提供全新解决方案。
微软联合多所知名高校开发了SwS框架,让AI模型能够自主识别学习弱点并生成针对性练习题进行自我改进。该方法在数学推理任务上取得显著效果,7B和32B模型平均性能分别提升10%和7.7%。通过"弱点诊断-针对性出题-强化训练"的三步流程,AI首次实现了真正意义上的自我反思式学习,不依赖外部知识灌输即可持续优化自身能力,为人工智能的自主学习开辟了新道路。