在本周于伦敦举办的Oracle AI峰会上,Oracle应用开发执行副总裁史蒂夫·米兰达介绍了公司在智能体人工智能方面的定位策略。
公司最近发布了Oracle Fusion智能体应用程序,米兰达在伦敦会议的主题演讲中展示了Oracle在企业应用中的智能体AI方法。
Oracle推出了超过20个智能体应用程序,涵盖企业资源规划(ERP)、人力资本管理(HCM)、供应链管理(SCM)和客户体验(CX)。这些应用包括自动化现金收款风险分析、实时缺口检测的劳动力调度以及基于设计数据的AI驱动采购。
米兰达表示:"我们所做的是超越自动化,提供企业智能体应用程序,使用AI根据业务规则和数据提供建议和推荐。"
值得注意的是,Oracle将其应用程序视为更大生态系统中的记录系统,该系统包含Oracle和非Oracle的AI智能体。
IT领导者经常对使用智能体AI自动化业务流程表示担忧,主要是关于防止错误结果或不良竞争条件的保护措施,即AI行为可能对业务产生不利影响。
米兰达说,Oracle的方法是构建在精细任务级别工作的智能体来运行非常特定的应用程序,而不是在广泛流程级别,并补充说:"从技术上讲,这是一个更容易解决的问题,也更容易对智能体进行约束。"
他表示,虽然大语言模型需要处理任何类型的用户输入查询,但Oracle AI智能体在非常特定的领域工作。Oracle还增加了将人员纳入循环的能力,以检查AI产生的结果是否合理。米兰达说:"如果你用它来扫描发票,AI智能体可能做对或做错。这是非常可测量的。"
根据Oracle的说法,Fusion智能体应用程序在护栏内自主推进常规操作,仅显示异常、权衡和需要人类判断才能实质性改变结果的决策。
发票处理是智能体AI可以部署的领域之一。例如,NHS共享商业服务(SBS)使用Oracle Fusion应用程序来标准化和自动化财务运营,每年处理710万张发票,追回74亿英镑债务,并处理高达3550亿英镑的NHS交易。
NHS SBS董事总经理埃里卡·班纳曼表示:"我们与Oracle合作提供可扩展的AI驱动平台,这将有助于改变NHS的工作方式,使重点保持在为患者提供最高标准的护理上。"
AI成本是IT领导者和技术提供商的另一个担忧。米兰达表示,Oracle的方法是继续按订阅模式收取Oracle应用程序费用,并为用于扩展应用程序的AI功能额外收费:"但总有一天,我们基础订阅的定价模型将从基于用户的模式改为某种基于交易的定价,或包含关于公司规模的定价。"
米兰达承认他"对那一天并不太担心",因为如果智能体AI能够带来改进,这对客户和Oracle来说都是"双赢"。
他承认企业应用中的智能体AI可能会消除某些手工任务,但表示:"没有人是为了运行ERP而做生意的。我们在ERP方面为他们节省得越多,他们在自己的核心业务上投资得就越多。"
Q&A
Q1:Oracle Fusion智能体应用程序是什么?
A:Oracle Fusion智能体应用程序是Oracle推出的超过20个智能体应用,涵盖ERP、HCM、SCM和CX领域,包括自动化现金收款风险分析、实时缺口检测的劳动力调度等功能,使用AI根据业务规则和数据提供建议和推荐。
Q2:Oracle如何确保智能体AI的安全性?
A:Oracle采用构建精细任务级别智能体的方法,让它们运行特定应用程序而非广泛流程,同时增加人工监督环节,让人员检查AI结果是否合理,这样更容易控制和约束智能体行为。
Q3:Oracle智能体AI的收费模式是什么?
A:目前Oracle继续按订阅模式收取应用程序费用,并为AI功能额外收费。未来可能会从基于用户的定价改为基于交易的定价或包含公司规模的定价模式。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。