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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。