在提及智能体能够执行的工作时,我们往往专注于重复性和例行性任务。这些类型的任务是机器通过反复执行可以变得非常出色的领域。
例如撰写和安排社交媒体发布、解决常规客户服务问题,或对非结构化数据进行标记和分类。
如果你还不了解,智能体可以被视为类似ChatGPT这样的生成式AI聊天机器人,但具备虚拟的手脚和代表我们采取行动的能力。
更技术性的定义是,它们是大语言模型(如ChatGPT的GPT-5引擎),能够连接其他工具,包括网络浏览器,以最少的人工干预执行更复杂和精密的任务。
但认为智能体AI仅对一线的低层次战术决策有用是错误的;比如应该什么时候发送电子邮件简报?或哪个机械设备需要维护?
事实上,商业领导层越来越多地使用它来制定战略或管理决策。麦肯锡的一项研究最近发现,53%的高级管理人员和44%的中层管理者在工作中使用生成式AI,远高于总体平均水平。
因此,我将探讨智能体已经进入商业管理职能的一些方式。我还将为那些想要确保为智能体与商业领导层融合做好准备的人提供一些建议。
AI领导力?
没有人会期望普通CEO很快就准备好将公司控制权交给机器。但智能体在领导力和高层决策制定方面有许多理论和越来越多的实际应用案例。
最明显的一个是通过与决策支持系统的集成,这些系统通常用于通过确保我们拥有所需的信息和指导来增强人类决策制定。
例如,奢侈品制造商LVMH最近宣布决定构建一个平台,该平台将使用智能体监控和挖掘信号,以便决策者能够更快地做出反应。
资产管理公司贝莱德开发了自己的智能体平台,名为Asimov。Asimov可以通宵工作,实时收集研究数据,监控市场活动并扫描公司文件,准备在早晨向高管提供可操作的报告。
花旗集团谈到了将其120亿美元技术预算的一部分投入智能体AI的计划,这可以用于连接不同的商业AI项目,改善战略监督。
微软和Salesforce等企业软件供应商越来越多地将智能体功能构建到他们的工具中,以协助决策者获得战略建议,或部署他们自己的智能体。
这意味着,随着不同行业领导层采用率的增长,我们可能会看到智能体以令人兴奋的新方式被使用。
例如,在医疗保健领域,智能体可用于监控和监督日益庞大的互联健康基础设施。这帮助领导者了解什么在创造价值,什么被充分利用,什么只是资源浪费。
在制造业中,智能体可以跟踪生产运营、供应链效率和能源效率,创造制定战略行动的机会。
虽然智能体还没有在商业决策制定中掌握主导权,但它们越来越多地坐在副驾驶位置,准备帮助我们导航或警告前方的麻烦。
那么,如果你是领导者或决策者,应该采取什么步骤来确保不会被落下呢?
领导者和管理者现在应该做什么
已经有部署生成式AI经验的商业决策者在这里将具有优势。但智能体AI需要不同的方法,更适合智能体所设计的长期战略规划任务。
智能体更注重大局和目标导向,你的思维也应该如此。虽然ChatGPT可以为你起草电子邮件,但像Manus或Operator这样的智能体平台可以创建电子邮件营销策略并构建交付基础设施。
至少在理论上可以,但必须注意的是,这些工具的早期采用者经常报告说它们还不总是能做对。
从一般使用角度来看,重要的是要记住AI智能体不仅仅是进化的AI聊天机器人。它们实际上不是为聊天或就创建某些东西的最佳方式来回交流想法而设计的,这是ChatGPT擅长的。
智能体AI可能很昂贵,因为"思考"会消耗大量Token。所以最好带着明确的想法进入,并明确指示智能体你希望它如何实现。
智能体的一大优势是它们可以像我们一样使用数字工具,从使用网络浏览器在线购物到控制复杂的工业机械。为此做准备可能涉及确保专有和遗留系统能够与智能体很好地配合。或者承诺使用开源技术,那里标准化很常见,流行工具很可能会快速修补以与智能体生态系统配合工作。
下一个建议:为了发挥其全部潜力,智能体需要通过文档完善的API访问快速的高价值、及时数据流。在这方面没有条理的组织在试图迎头赶上时可能会错过机会。
绝对关键的是,领导者必须采取措施确保他们理解安全、负责任和道德的AI使用原则。当我们采取措施赋予AI更多代表我们做决定的权力时,护栏、监督和问责制的需求比以往任何时候都更重要。
自主组织和人类在领导中的未来
我们会达到机器在预测正确行动方案方面如此出色以至于不需要人类的地步吗?我们甚至可能成为负担吗?
也许有一天会。很难知道这项技术在两三年后会是什么样子,更不用说十年后了。
但我们确实知道的一件事是,人类大脑仍然比最好的人工大脑复杂得多。这种额外的复杂性使我们能够理解细致入微的情况,处理复杂的人际关系,并以计算机可能在一段时间内无法做到的方式制定复杂的长期战略计划。
这意味着人类领导者可能还没有准备好完全委托他们的权力。相反,他们将寻求智能体帮助他们成为更好的领导者和更有效的决策者。
Q&A
Q1:智能体AI与ChatGPT这样的聊天机器人有什么区别?
A:智能体AI不仅仅是进化的AI聊天机器人。它们更注重大局和目标导向,可以连接其他工具包括网络浏览器,能够像人类一样使用数字工具,从在线购物到控制复杂工业机械,而不是为聊天或来回交流想法设计的。
Q2:LVMH和贝莱德如何使用智能体技术?
A:LVMH构建了使用智能体监控和挖掘信号的平台,帮助决策者更快反应。贝莱德开发了名为Asimov的智能体平台,可以通宵工作,实时收集研究数据、监控市场活动并扫描公司文件,在早晨向高管提供可操作报告。
Q3:企业领导者应该如何准备使用智能体AI?
A:领导者应该以大局和目标导向的思维方式使用智能体,带着明确想法并明确指示。确保专有和遗留系统能与智能体配合,通过完善的API提供高价值及时数据流,最重要的是理解安全、负责任和道德的AI使用原则。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。