Infor公司推出了专门针对行业的人工智能智能体套件,称通用AI工具无法为企业带来真正价值。
在本周斯德哥尔摩举行的客户活动中,Infor发布了Industry AI Agents产品,旨在自动化和管理制造业、分销业和服务业的运营工作流程,涵盖从乳制品生产商到汽车制造商等各个领域。
此举旨在解决许多企业在AI项目中难以实现切实回报的挑战。麻省理工学院的最新研究显示,尽管企业在生成式AI技术上投入了3000万至4000万美元,但95%的企业并未从其生成式AI投资中获得价值。
Infor的解决方案是将AI直接集成到微型垂直领域的特定流程中,这些微型垂直领域是更广泛行业内的细分市场。这些智能体基于公司现有的行业流程目录和价值图构建,为用户提供对特定行业术语、合规因素和关键绩效指标的开箱即用理解。
Infor首席执行官Kevin Samuelson表示:"实施缺乏行业特定背景的通用AI工具的公司将浪费宝贵的时间和金钱,而这往往是他们承受不起的。我们的新解决方案套件让客户能够有目的性和精确性地利用AI的力量。"
Infor全球专业服务执行副总裁Frank Resink指出,公司行业特定产品的指导性特质也降低了实施风险,并通过支持客户高度差异化领域的流程来增加价值。
Infor的AI智能体由其新的智能体编排器驱动,该编排器基于公司的多租户云平台构建。Infor首席技术官Soma Somasundaram表示,该架构使用开放标准、Amazon Bedrock访问大语言模型(如Anthropic的Claude),以及LangChain来编排多步骤智能体工作流程。
"我们完全在亚马逊云服务上运行,我们认为这是一个优势,因为亚马逊去年在研发上投入了900亿美元,"Somasundaram补充道。"为什么不将这些优势带入我们的产品中为客户服务呢?"他还强调,客户数据仅用于缓存,不用于训练底层大语言模型。
Xpress Boats公司信息系统经理Jennifer Terry注意到新智能体AI工具的潜力。她说:"最让我们兴奋的不仅仅是这些工具今天释放的效率,还有它们帮助我们更大胆思考和重新构想运营未来的方式。"
跃向云端
认识到AI优势主要依赖于云采用,Infor还推出了Leap云迁移计划,针对本地企业资源计划(ERP)部署的组织。该计划通过提供固定费用、按时交付保证直接解决常见的迁移障碍。
Leap还包括云就绪研讨会,使用Infor的云迁移方法论并利用预构建的最佳实践,Infor承担项目的财务风险。
"如果你要部署像ERP这样强大的系统,存在很多风险,"Samuelson说。"成本超支的恐怖故事很多。Leap让我们能够为我们的交付承担责任,让客户放心我们将承担风险。"
Infor合作伙伴也将被纳入Leap计划。Resink表示:"我们正在培训和授权我们的合作伙伴使用我们的方法论运行云就绪研讨会,因为这是我们为客户创造更多价值的方式。"
除了主要公告外,Infor还推出了对其流程挖掘工具的AI增强功能,包括自动创建流程性能上下文摘要的生成式AI功能,以帮助识别运营瓶颈。
State Electric Supply公司IT经理Randy Yoho是Infor流程挖掘客户,他表示该工具已将识别关键问题的时间缩短了86%。"我们现在可以在一两天内识别关键流程问题,而不是等待数周。这意味着我们行动更快,客户已经能够更快收到货物,从五天缩短到两天。"
Q&A
Q1:Infor的行业AI智能体有什么特别之处?
A:Infor的行业AI智能体专门针对制造业、分销业和服务业等特定行业设计,基于公司的行业流程目录和价值图构建,能够理解特定行业术语、合规因素和关键绩效指标,而不是通用的AI工具。
Q2:为什么企业在AI投资上难以获得回报?
A:根据麻省理工学院研究,95%的企业尽管在生成式AI技术上投入了3000万至4000万美元,但并未从投资中获得价值。主要原因是企业使用缺乏行业特定背景的通用AI工具,浪费了时间和金钱。
Q3:Leap云迁移计划解决了什么问题?
A:Leap计划针对本地ERP部署的组织,提供固定费用、按时交付保证,直接解决云迁移的常见障碍。Infor承担项目财务风险,包括云就绪研讨会和预构建最佳实践,让客户无需担心成本超支问题。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。