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
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。