在19世纪的英国,贵族与仆人的比例大约是1:10 - 然后工业革命来临了。到2030年,先进的公司将拥有比人类员工更多的智能代理(我更倾向于称之为数字员工)。(参见我之前在 Forbes 上关于 AI 代理的专栏文章。)是的,关于 AI 代理有很多炒作,包括 Salesforce 那则 Mathew McConaughey 因为训练不当的代理而在餐厅被淋湿的俗气广告。但是,已经有一些公司正在部署这些数字员工,并允许他们的员工通过常规内部渠道根据需要"雇用"它们。
OneDigital 就是一个很好的例子,这家金融服务公司拥有超过10万家企业客户和数百万个人客户。他们提供个性化的、技术驱动的解决方案,旨在满足当代工作生活需求。该公司通过收购多家服务公司和顾问而发展壮大,并以其创业精神为荣 - 因此自上而下强制推行数字员工的想法是行不通的。
相反,在 AI 负责人 Vinay Gidwaney 的带领下,OneDigital 团队创建了一组数字员工(目前有10个在运行,还有十几个在开发中),他们都在不同领域接受了专业培训。这个新的数字人才库通过 AI 人才配置门户在公司内部提供服务。上面的截图就是一个例子。
你可以看到,"Frank" 是销售效率和为 OneDigital 现有客户扩展服务战略的专家。此外,最近还添加了 "Yesper",帮助管理者在 OneDigital 快速发展的这几年里指导和支持团队成员,同时保持创新和以客户为先的文化。还有许多其他数字员工,包括 "Ben",一位精通为 OneDigital 客户降低医疗成本的专家。考虑到 OneDigital 的客户越来越多地将医疗成本视为一个挑战,Vinay 和团队决定在数字员工方面进行投资。
AI 代理与数字员工作为关键概念
正如 Vinay 所说:"我们选择使用雇用数字员工而不是 AI 术语的类比,因为这样更容易理解和分类你在工作中需要什么帮助。而且,这也符合我们销售和服务专业人员的文化。"
该项目于2024年中期启动,并在2025年初在全公司范围内推广。已经"雇用"了超过10个代理,早期的价值报告显示成效显著。例如,仅在1月份,在一个只有200名顾问的小型测试组中,就完成了超过3,000次 AI 互动。
Vinay 预计随着他们推出更多功能,这项投资会继续增长。Vinay 指出:"由于目前的反响强烈,我们期待在销售效率、后台任务、人力资源等领域创建更多的数字员工。此外,现在我们已经有了在实际工作中与真实人员互动的数字员工,员工们的想象力被打开了,我们期待听到他们对新数字同事的创意想法。"
在我们 GAI Insights 的工作中,我们看到领先的公司意识到 AI 不仅仅是技术变革,更是组织变革。使用数字员工类比的优点在于每个人都能理解它。
给领导者的3点启示
第一个实际启示是要了解正在诞生的数字员工类型。了解 OneDigital 的工作,理解像 Accenture 和 Salesforce 这样的公司如何创建按需代理。思考你可以为自己建立什么。
第二,考虑在组织中哪些地方数字员工可以创造最大的价值。你是否需要在公司休息时间提供帮助、服务等方面的支持?增加 RFP 审查能力是否能提高对客户的响应速度?每个公司都有一两个瓶颈可以通过数字员工来缓解。
第三,也可能是最重要的,当你从这些创新中创造财务盈余时,要给客户一些,给投资者一些,但别忘了重新投资于你的人才,帮助他们成长,创造一个人类和数字员工共同提升表现的正向学习循环。记住,亨利·福特在推行他的革命时将日工资从2.50美元提高到5.00美元,现在是时候做同样的事情了。
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
加拿大女王大学研究团队首次对开源AI生态系统进行端到端许可证合规审计,发现35.5%的AI模型在集成到应用时存在许可证违规。他们开发的LicenseRec系统能自动检测冲突并修复86.4%的违规问题,揭示了AI供应链中系统性的"许可证漂移"现象及其法律风险。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
这项由剑桥大学、清华大学和伊利诺伊大学合作的研究首次将扩散大语言模型引入语音识别领域,开发出Whisper-LLaDA系统。该系统具备双向理解能力,能够同时考虑语音的前后文信息,在LibriSpeech数据集上实现了12.3%的错误率相对改进,同时在大多数配置下提供了更快的推理速度,为语音识别技术开辟了新的发展方向。