甲骨文公司近日宣布为其Fusion云端人力资本管理套件推出一系列新的智能体人工智能扩展功能,使该应用程序中的智能体数量超过100个。
新增功能支持内部流动、绩效管理、学习发展、薪资和人员配置流程。甲骨文在大约一年的时间里一直在稳步增加智能体——这是一种能够独立或在有限人工监督下采取行动以追求特定目标的自主AI软件。该公司还提供AI智能体工作室,允许客户创建和定制自己的智能体。
智能体在Fusion应用程序内工作,在客户现有的工作流程中运行,允许用户自动化任务、获得洞察并触发操作,而无需离开应用程序。
甲骨文全球HCM产品策略高级副总裁Yvette Cameron表示,最新的功能不仅仅是自动化常规查询,而是"采取行动"。她说:"它们能够自动化整个工作流程,可以实时显示洞察,并代表用户采取行动,消除日常任务中的摩擦。"
例如,学习导师智能体使用元数据和推断技能来建议员工选择哪些培训课程可能符合他们的目标。Cameron说:"它可以帮助他们根据课程提供商提供的信息确定应该选择哪门课程。"
今天宣布的13个新智能体包括以下几个:
职位发现智能体根据技能和兴趣为员工匹配内部职位。
面试管理智能体为招聘人员处理日程安排物流。
团队目标助手帮助管理者使用预定义的公司政策来定义和调整团队目标。
学习导师智能体为培训课程提供指导,包括第三方提供商的课程。
薪资运行分析师标记员工薪资中的异常情况并显示可能的原因。
职位助手根据政策、预算和组织数据评估管理者是否可以补充或创建职位。
在大多数情况下,客户需要通过检索增强生成或微调过程来定制智能体,以匹配内部政策和文档。Cameron表示,AI智能体工作室允许广泛定制,可以适应各种结构化和非结构化数据类型。
例如,团队目标助手"目标可以是任何所需的结构级别",她说:"一些组织在定义季度里程碑和进度指标方面有非常具体的政策和要求,或者它们可以简单地是一个有估计或必需截止日期的目标。"
甲骨文的智能体可以与外部系统协作,利用应用程序编程接口和AI智能体工作室。该套件支持Agent2Agent和模型上下文协议,这些是智能体互操作性的新兴标准。
这种能力允许客户构建包含来自非甲骨文平台数据的AI工作流程。Cameron说:"与外部系统的交互,甚至与其他智能体的交互,都内置在框架中。"安全性、隐私和数据管理由托管应用程序的甲骨文云基础设施提供。
尽管甲骨文提供一套预构建的智能体,该公司也鼓励合作伙伴和客户使用AI智能体工作室构建针对特定行业或流程的新智能体。
当被问及甲骨文是否最终会将大部分智能体开发转向合作伙伴时,Cameron说:"不,我们完全没有看到这种情况。改变今天工作方式、重新思考传统工作流程以及解决几乎每天都出现的新挑战的机会几乎是无穷的。"
与收取智能体额外费用的竞争对手不同,Cameron说:"我们免费嵌入我们交付的智能体,客户可以无限制地使用。"
该公司计划每个季度继续在其应用套件中添加新的智能体。
Q&A
Q1:甲骨文Fusion HCM套件中的AI智能体是什么?
A:这些是一种自主AI软件,能够独立或在有限人工监督下采取行动以追求特定目标。它们在现有工作流程中运行,允许用户自动化任务、获得洞察并触发操作,而无需离开应用程序。
Q2:新推出的13个AI智能体都有哪些功能?
A:包括职位发现智能体(匹配内部职位)、面试管理智能体(处理招聘日程)、团队目标助手(定义团队目标)、学习导师智能体(培训课程指导)、薪资运行分析师(标记薪资异常)、职位助手(评估职位创建)等,涵盖HR各个环节。
Q3:使用甲骨文AI智能体需要额外付费吗?
A:不需要。与收取智能体额外费用的竞争对手不同,甲骨文免费嵌入交付的智能体,客户可以无限制地使用,无需支付额外费用。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。