研究显示,这一趋势在英国最为显著,66% 的公司表示已经部署了 AI 代理,而美国则相对落后,比例为 48%。
AI 代理是一种专门的完全自主的 AI,可以为企业加速特定工作流程。它们可以帮助安排工作时间,甚至进行战略评估并提出行动方案。最近,这项技术在科技领域备受关注,各大公司都在争分夺秒地推出自己的版本。
科技巨头 Amazon 于周一推出了 Nova Act,这是一个早期阶段的 AI 代理,可以帮助用户在网站上执行任务。OpenAI 则在今年一月发布了类似的 AI 代理 Operator 研究预览版。
就在上个月,Meta 商业 AI 负责人 Clara Shih 在接受 CNBC 采访时表示,她预计"从大到小的每个企业"很快都将拥有 AI 代理。
PagerDuty 首席信息官 Eric Johnson 在发布研究结果的新闻稿中表示:"PagerDuty 最新的调查数据显示,62% 的受访者预计代理式 AI 将带来三位数的投资回报率,这充分说明组织机构非常看好代理式 AI 在 AI 和自动化方面创造的实际价值。"
调查发现,美国公司预期获得最高回报率,达到初始投资的近两倍,即 192%。
公司普遍预期 AI 代理能够加速或完全自动化至少四分之一的公司工作量。但在比较代理式 AI 与现有生成式 AI 技术的潜力时,企业领导者意见不一。44% 认为代理式 AI 的影响力将超过生成式 AI,40% 则支持生成式 AI。16% 的受访者认为两种技术的影响力相当。
虽然这两种技术都主要依赖大语言模型,但生成式 AI 主要专注于根据人类提示创建文本、图像或视频等内容,而代理式 AI 则是自主的,更具主动性而非被动性。
去年底,Salesforce CEO Marc Benioff 宣称我们正在进入一个"代理时代",自主 AI 代理将颠覆职场。但一些分析师,如高盛全球股票研究主管 Jim Covello 则持更谨慎态度,认为对代理式 AI 的昂贵投资可能只会带来适度回报。
根据调查,目前采用生成式 AI 的公司数量多于采用代理式 AI 的公司,63% 表示已完全整合生成式 AI,另有 24% 表示已部署但尚未完全整合到运营中。
公司高管指出了在采用生成式 AI 时的一些错误,他们希望在整合 AI 代理时能够避免这些问题。特别是,许多人认为他们的公司在没有充分规划的情况下就匆忙采用,或最终在技术上投入过多。
代理式 AI 的前景也并非一片光明。许多受访者对采用该技术的实际风险表示担忧。主要担忧之一是安全问题。公司越是让代理式 AI 系统接触敏感公司数据,这些数据就越容易受到安全漏洞和针对 AI 的网络攻击的威胁。
企业高管还担心不断演变的 AI 监管和隐私法律可能在未来危及公司运营,糟糕的数据输入可能导致输出质量下降,以及 AI 幻觉——随着技术继续发展,虚假或无意义的输出仍然困扰着 AI。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。