美国公民在寻求联邦政府帮助时,可能很快就会发现自己正在接受AI智能体的协助,如果Salesforce新推出的公共部门解决方案获得成功的话。
Salesforce周二宣布推出面向公共部门的Agentforce,这是其智能体AI开发平台Agentforce的政府专用版本。更值得一提的是,Agentforce已获得FedRAMP高级授权,因此寻求部署AI智能体的机构,无论是用于内部使用还是面向公众,现在都可以开始部署了。
面向公共部门的Agentforce包含多个预构建的AI机器人,Salesforce声称这些机器人可以直接插入现有环境并投入工作。这些智能体包括:
代码执法机器人,"可以通过推荐具体的代码违规、协助监管费用计算和创建文档来支持合规官员和检查员"。
投诉识别智能体,梳理公众评论以识别趋势,将问题与先前的问题联系起来,并推荐解决方案。
招聘机器人,筛选求职申请,推荐给可能对申请人技能感兴趣的机构。
工作推荐机器人,向候选人推荐政府工作。
福利申请机器人,帮助民众了解他们有资格获得哪些类型的援助。
投诉提交机器人,帮助民众正确提交投诉。
在新闻稿中提到的六个预构建机器人中,前三个将在发布时提供,后三个将在10月推出。Salesforce告诉媒体,他们正在为未来版本开发其他预构建AI智能体,重点是自动化候选人寻源以及许可、许可证和检查流程。
即插即用的AI智能体
据一位公司代表介绍,Agentforce机器人被部署到Salesforce环境中,可以访问公共部门解决方案实例中人类可用的所有数据,还能够从Salesforce数据云中提取数据。这些AI还可以从外部来源收集信息,这对于拥有众多孤立系统的政府机构来说是件好事。
部署预构建AI智能体并不是面向公共部门的Agentforce的唯一功能。该平台还充当低代码机器人开发环境,用户可以在其中编写AI智能体以满足他们的需求,甚至可以导入现有的Salesforce工作流程并为其提供智能体化改造。
Salesforce向媒体强调,虽然Agentforce机器人正越来越多地集成到更广泛的Salesforce生态系统中,但它们仍将是可选的附加组件,不会强制用户使用。没有Agentforce,就没有智能体。
准备好信任AI智能体了吗?
Salesforce对AI作为产品和利润驱动力的热爱并不隐晦,因此其使用范围的扩大并不令人意外,但将AI智能体置于面向公众的角色中则是另一回事。
Gartner预测,到2027年,超过40%的智能体AI项目将被取消,而卡内基梅隆大学的独立研究显示,表现最佳的AI智能体在大约70%的办公任务上仍然失败。
对于希望确认法庭日期或续签许可证的人来说,这个成功率并不理想,这就是为什么许多组织仍然对智能体AI搞砸他们的底线并使公司损失金钱的潜力持怀疑态度。
Salesforce坚持认为其公共部门AI至少到目前为止是有益的,并指出德克萨斯州凯尔市作为面向公共部门的Agentforce成功案例。
凯尔市使用Agentforce开发了一个用于公众投诉的AI 311系统,Salesforce表示该市能够减少服务请求解决时间,并更频繁地在初次通话中处理更多投诉。
在联邦政府中获得广泛采用——特别是在智能体AI仍远未成为确定成功的情况下——对Salesforce来说可能需要时间。但考虑到最近AI在联邦政府中的发展轨迹,一线客户服务可能很快就会成为Salesforce AI的工作。
尽管Agentforce最近才获得FedRAMP高级授权,Salesforce告诉我们,几个联邦机构已经购买了它,并正在其环境中部署面向公共部门的Agentforce。该公司拒绝透露谁购买了它,但表示大部分兴趣来自面向民众且处理大量公众咨询的机构。
考虑到之前的政府裁员新闻,我们至少可以猜测谁可能会部署AI智能体来弥补人类智能体的不足。
Q&A
Q1:Salesforce面向公共部门的Agentforce是什么?
A:这是Salesforce推出的政府专用AI智能体开发平台,已获得FedRAMP高级授权。它包含多个预构建的AI机器人,可以直接部署到政府环境中,用于处理各种公共服务任务,如投诉处理、招聘筛选、福利申请等。
Q2:这些AI智能体具体能做什么工作?
A:包括代码执法机器人(协助合规检查和文档创建)、投诉识别智能体(分析公众评论并推荐解决方案)、招聘机器人(筛选求职申请)、工作推荐机器人(推荐政府职位)、福利申请机器人(帮助民众了解可获得的援助)等六种预构建机器人。
Q3:AI智能体在政府服务中的可靠性如何?
A:目前AI智能体的可靠性仍有待提高。Gartner预测到2027年超过40%的智能体AI项目将被取消,卡内基梅隆研究显示最佳AI智能体在约70%的办公任务上仍会失败。不过Salesforce指出德克萨斯州凯尔市使用该系统后成功减少了服务请求解决时间。
好文章,需要你的鼓励
斯坦福大学研究发现,主要用英语训练的大型语言模型竟能自发学会处理其他语言任务,无需明确教学。这种跨语言迁移能力随模型规模增大而显著提升,通过形成"通用语义空间"实现不同语言间的知识迁移。研究为降低多语言AI开发成本、支持资源稀缺语言提供了新途径,但仍面临性能不均衡、文化适应性等挑战。
随着谷歌搜索和亚马逊主页在电商领域影响力下降,AI助手如ChatGPT、Claude等成为消费者新的购物入口。品牌必须掌握生成式引擎优化(GEO)技术才能保持可见性。传统SEO策略已失效,AI系统更青睐结构化、问答式的高质量内容。研究显示,来自AI助手的流量转化率比其他渠道高9倍。品牌需要基于真实客户问题创建内容,采用结构化问答格式,并建立信任度,才能在这个新的电商秩序中脱颖而出。
阿姆斯特丹大学与Salesforce合作开发的奖励引导推测解码(RSD)技术,通过让小模型处理简单任务、大模型解决复杂问题的智能分工,在保持推理准确率的同时大幅提升计算效率。该技术在数学推理等任务中表现出色,计算量最多可减少75%,为AI应用的普及和成本降低提供了重要技术支撑。