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
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
武汉大学研究团队提出DITING网络小说翻译评估框架,首次系统评估大型语言模型在网络小说翻译方面的表现。该研究构建了六维评估体系和AgentEval多智能体评估方法,发现中国训练的模型在文化理解方面具有优势,DeepSeek-V3表现最佳。研究揭示了AI翻译在文化适应和创意表达方面的挑战,为未来发展指明方向。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
参数实验室等机构联合发布的Dr.LLM技术,通过为大型语言模型配备智能路由器,让AI能根据问题复杂度动态选择计算路径。该系统仅用4000个训练样本和极少参数,就实现了准确率提升3.4%同时节省计算资源的突破,在多个任务上表现出色且具有强泛化能力,为AI效率优化开辟新方向。