企业工作流软件巨头 ServiceNow 正将人工智能驱动的自动化引入电信行业。今天在巴塞罗那举行的 MWC25 大会上,该公司宣布推出其首个面向通信服务提供商的 AI 代理。
这些新的 AI 代理是与 Nvidia 合作开发的,使用了 Nvidia AI Enterprise Software 和 AI Platform,并通过配备 840 个高性能 H100 图形处理器的 Nvidia DGX Cloud 进行训练。
据 ServiceNow 介绍,这些代理旨在通过自主解决客户服务和网络运营相关问题,提升通信服务提供商在整个服务生命周期中的生产力。它们将在 3 月 12 日发布的最新版本平台 Yokohama 中向所有 ServiceNow 电信客户开放。
AI 代理是 AI 领域最热门的新趋势之一,指的是能够以最少人工监督代表用户自主执行任务的系统。它们通过观察环境收集信息,使用先进算法进行推理、规划并自主执行任务。它们还依赖大语言模型来理解用户的请求和提示,可以访问外部工具来增强解决问题的能力,并随时间推移不断学习和进步。
ServiceNow 表示,其 AI 代理平台 Now Assist 与 Nvidia 的 NIM 微服务和 NeMo 工具的结合,使其能够开发出一些最强大和最可靠的 AI 代理,专门用于解决电信领域的挑战。这包括许多开箱即用的 AI 代理,旨在自动化网络运营和简化客户服务操作,目标是提升客户体验并加快问题解决速度。
这些代理是去年推出的 Now Assist for Telecommunications Service Management 平台的延伸,该平台帮助 ServiceNow 的电信客户利用 AI 工作,可以执行修复网络、处理服务中断以及预防客户问题等任务。
例如,一些代理专门设计用于服务、测试和修复网络,通过分析网络数据来诊断出现的问题。这种分析在几秒钟内就能完成,它们能立即找出最佳修复方案,并通过为负责的工程师安排任务来协调修复操作。
此外,还有专门用于分析网络事件的 AI 代理。它们在网络警报发生时立即响应,并快速深入了解根本原因。一旦确定问题所在,它们就会生成解决方案手册,预测可能发生的网络中断,防止对客户造成影响。
该公司还介绍了其账单解决方案代理,这些代理可以自主识别任何异常使用模式,并实时解释相关费用,同时为客户推荐更具成本效益的套餐。ServiceNow 表示,这可以帮助电信公司提高透明度,减少客户意外收费,并有助于减少账单投诉和呼叫中心的工作量。
ServiceNow 制造、电信、媒体和技术部门总经理兼副总裁 Rohit Barta 表示,客户可以使用该公司的 AI Agent Orchestrator 平台来协调新代理,他将其比作 AI 代理的"控制塔"。这些代理还利用 ServiceNow 的 Workflow Data Fabric 工具连接各种企业数据源。客户还可以使用无代码 AI Agent Studio 来自定义预构建的 AI 代理。
"ServiceNow 的与众不同之处在于我们能够在单一平台上协调多个 AI 代理,确保它们无缝协作," Batra 在博客文章中说。"AI Agent Orchestrator 实现了代理间的通信,集中协调网络运营、客户服务和业务流程。"
通过其 AI 代理,ServiceNow 旨在成为电信业 AI 革命的领军者。该公司认为,这项技术将永远改变通信服务提供商的工作方式,通过自动化常规任务,使人类工程师和客户服务代理能够专注于更高层次的工作。该公司引用了麦肯锡公司的预测,预计到 2040 年,电信公司可以利用 AI 创造 2500 亿美元的价值。
IDC 分析师 John Byrne 表示,ServiceNow 的 AI 代理专业知识与 Nvidia 的软件和基础设施的结合,可以为通信服务提供商提供前所未有的智能自动化水平。"这种合作有潜力使电信提供商能够加快问题解决速度,提高可靠性,并大规模提升客户体验,"他说。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。