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
这项由复旦、港科大等多校联合完成的研究首次系统性地解决了大型AI模型在识别场景文字时产生"语义幻觉"的问题。研究团队发现AI模型常将视觉上模糊的文字"脑补"成有意义但错误的词汇,并开发了包含ZoomText定位策略和接地层修正机制的训练无关解决方案,在多个基准测试中实现显著性能提升,为提高AI视觉系统可靠性提供了重要突破。
IBM研究院发布AssetOpsBench,全球首个工业资产AI代理评估平台。该研究建立了多代理协作框架,涵盖IoT数据采集、时序分析、故障诊断等专业模块,通过141个真实场景和六维评估标准测试AI在复杂工业运维中的表现。测试显示当前AI技术仍有改进空间,为工业4.0时代的智能运维发展提供重要基准。
韩国科学技术院研究团队开发出Simba方法,通过层次化稀疏化技术对状态空间模型进行"瘦身",在保持性能的同时显著提升计算效率。该方法采用类似高速公路的架构设计,让AI模型的上层只处理最重要的信息,实现了最高80%的速度提升和更好的长序列处理能力。这项即插即用的技术为AI模型优化提供了新思路。
这项研究展示了一个基于ModernBERT架构的prompt injection检测模型,通过精心构建的多样化数据集训练,在内部测试中达到98.7%准确率和98.0% F1分数,在公开基准测试中平均F1分数达93.8%,显著超越现有最强基线系统。该模型推理速度仅0.02秒,具备实时检测能力,为AI系统安全防护提供了新的解决方案。