什么是AI代理？

AI代理是一種軟件組件，具備代表用戶或系統自主執行任務的能力。用戶可將多個代理整合為系統，以協調復雜的工作流程、協同管理各代理間的活動、運用邏輯推理解決復雜問題，并評估用戶查詢的響應。

如果你曾與客戶服務聊天機器人互動，或要求生成式AI模型創作一首十四行詩，那么你已經接觸到AI代理的基礎形式。若你察覺自ChatGPT推動生成式AI成為主流以來，其性能顯著提升，你的觀察并無偏差。

盡管AI代理的概念已存在多年，但當前生成式AI模型的自然語言處理能力開啟了全新可能性，使代理系統能夠規劃任務、協作執行、完成目標，甚至通過學習持續優化自身表現。隨著代理準確性的不斷提升，企業可進一步利用它們自動化組織流程，從而顯著提高員工日常工作效率。

麥肯錫高級合伙人Lari H?m?l?inen表示：“生成式AI的開發速度極快。如今，人機協同的成果能夠顯著提升質量和生產力。”近期在短期和長期記憶結構方面的進展，使AI代理能夠更好地個性化與外部和內部用戶的交互，這意味著它們在執行任何任務時都能迅速改進。

展望未來，AI代理的性能將進一步提升。簡言之，AI代理正從“思考”邁向“行動”。在過去18個月中，谷歌、微軟、OpenAI等公司已投資于支持代理功能的軟件庫和框架。借助大型語言模型（LLM）驅動的應用，例如微軟Copilot、亞馬遜Q以及谷歌即將推出的Project Astra，AI代理正從基于知識的工具轉變為更注重行動的工具。在不久的將來，AI代理可能變得像今天的移動應用程序一樣普遍。

AI代理的類型有哪些？

AI代理可根據其能力、角色、技能以及訓練目標進行分類。以下是當前正在開發的一些AI代理類型的非詳盡列表：

個人增強型代理（“副駕駛”代理）

這些代理作為個人用戶的“副駕駛”（copilot），旨在增強用戶的生產力和能力。例如，微軟365 Copilot和OpenAI的ChatGPT能夠協助起草內容、編寫代碼或檢索知識。在某些情況下，副駕駛代理可定制為適應用戶特定工作流程的“智能”助手。當然，此類代理的效果取決于每個用戶自身的動力和投入。

工作流程自動化平臺

此類代理專注于自動化單一或多步驟任務，或小型工作流程，作為AI驅動的流程編排和執行工具，服務于現有工作流程。例如，微軟的Copilot Studio和Salesforce正在開發的Agentforce。由于這些代理主要應用于現有流程，其成功依賴于實施、變革管理和代理管理的重大努力。

生成式AI原生代理（面向特定場景）

這些代理是為特定業務場景或功能量身定制的解決方案。例如，AI驅動的客戶服務系統或AI賦能的軟件開發流水線。與傳統AI代理將AI疊加到現有角色或工作流程不同，生成式AI原生代理以AI為核心重新構想特定領域。

AI原生企業和運營模式

這些代理被融入企業的整體運營模式，而非僅應用于單個工作流程或功能。在這種情況下，企業將進行端到端的AI優先重設計，涵蓋交互層、流程、組織結構甚至商業模式。企業在數字化轉型初期經歷過類似規模的變革，AI可能會帶來同樣的影響。

AI虛擬員工

AI虛擬員工是作為員工或團隊成員運作的代理，是最具顛覆性潛力的類別。這些虛擬員工可使企業無需進行全面組織轉型，即可通過AI在現有模式內運作，從而更快地捕捉價值。

這些AI代理并非互斥。許多組織將混合應用，例如在推出個人AI副駕駛的同時，自動化特定工作流程并試點一些虛擬員工。

AI代理如何運作？

AI代理能夠支持跨行業和業務功能的復雜且模糊的應用場景。它們既可使用為人類設計的工具（如網頁瀏覽器），也可使用為計算機設計的工具（如API）。這種雙重能力使AI代理能夠在不顯著修改技術架構的情況下，靈活地在組織內外部的技術架構中運作。

AI代理的運作過程通常包括以下四個步驟（見圖1）：

1. 用戶向代理系統分配任務

AI代理自主規劃并推導實現任務的方法。

2. 代理系統規劃、分配并執行工作

AI代理系統將工作流程分解為任務和子任務，由管理代理分配給其他專業化子代理。這些專業代理利用過往經驗和學習到的領域專長，相互協調，結合組織內外部數據執行任務。

3. 代理系統可能迭代改進輸出

代理系統可能請求用戶提供額外輸入以確保輸出的準確性和相關性。交付最終輸出后，代理系統可能請求用戶反饋。

4. 代理執行行動

代理執行完成任務所需的任何必要行動。

任何AI代理的部署都應包含一系列控制機制。例如，建設性反饋循環使代理能夠審視和優化其工作。AI代理還可被編程為自我學習解決問題，或將問題升級至人類管理者。代理之間的協作也可提升效果：批評專家代理可審查創建者代理制定的計劃并要求迭代，從而生成更優質的輸出。某些AI代理甚至可直接向管理者提問。組織還可開發專門的代理，基于倫理和偏見考量自動測試和糾正其他代理的輸出。

AI代理與大型語言模型（LLM）的關系是什么？

AI代理與不同的AI模型協同工作以完成任務。當用于與人類溝通時，AI代理通常依托具備自然語言處理能力的大型語言模型（LLM）。以自動駕駛汽車為例，其運行依賴一系列代理與多種AI模型協作。負責理解用戶目的地需求的AI代理可能使用LLM，而負責確保車輛安全左轉的代理則會使用高度專業化的設計模型，而非LLM，以處理特定類型的決策。

AI代理如何影響業務增長？

麥肯錫估計，長期來看，生成式AI的企業應用場景每年可創造高達4.4萬億美元的價值。然而，除非組織能夠迅速實施AI以重新構想和轉型工作方式，否則無法將這一潛力轉化為業務增長和更高的生產力。AI代理能夠以更快、更好、更低成本的方式挖掘這一巨大價值，優于其他傳統技術。

生成式AI的價值不僅限于常見工作任務的自動化。麥肯錫預測，組織可部署AI代理以重新構想流程并現代化其IT基礎設施。這包括從切換到更易用的編程語言、過渡到功能更強大的現代框架，到重構系統以實現模塊化，以及將應用程序遷移到成本更低的云計算環境。技術領導者可利用多個專業化的AI代理，每個代理擁有獨特的角色和專長，協作處理復雜任務，并通過人類反饋實時迭代。然而，真正的價值來自于協調代理完成離散任務以及整個軟件開發流程。

一些行業已常規部署AI代理。例如，客戶服務機器人已成為許多面向客戶的網站的標準配置。根據麥肯錫對生成式AI經濟潛力的研究，使用生成式AI賦能的客戶服務代理使問題解決效率每小時提升14%，處理問題的時間減少9%。麥肯錫高級合伙人Jorge Amar表示：“隨著時間推移，我預計生成式AI代理將提升客戶滿意度并創造收入。它們在銷售新服務或滿足更廣泛需求方面將至關重要。這將為企業提供更多客戶體驗選擇，例如以高接觸的人工代理交互作為高端服務。”

更廣泛而言，生成式AI賦能的代理可在三個重要方面促進復雜應用場景的自動化：

代理能更輕松應對不可預測情況

基于規則的系統在面對規則設計者未預料的情景時往往失效。相比之下，生成式AI代理系統因基于訓練于大規模非結構化數據集的基礎模型構建，能夠實時適應多種場景并執行專業化任務。

代理系統可用自然語言指令引導

自然語言處理使用戶能夠以前所未有的速度和便捷性編碼復雜工作流程。使用自然語言處理編碼的生成式AI代理，使更廣泛的員工群體無需專門編程或協調大型IT項目，即可設想并使用AI工具實現成果。

代理可與現有軟件工具和平臺協同工作

生成式AI代理運行于基礎模型，使其能夠使用工具并在更廣泛的數字生態系統中通信。若無基礎模型，這些功能需大量手動工作來集成系統或整理不同系統的輸出。代理可顯著減少跨系統集成的重復工作量。

此外，麥肯錫合伙人Aaron Bawcom指出：“當代理協同工作時，其能力會因環境反應而復合增長。它們可能發展出未明確編程的意外行為和技能，整體效果超越各部分之和。這就是所謂的‘涌現式AI’。”

企業使用AI代理的真實案例是什么？

聯想已在軟件工程和客戶支持兩個主要業務領域部署了AI代理。聯想解決方案與服務集團首席技術官胡貫中（Arthur Hu）表示，軟件工程師已實現高達15%的效率提升。公司首席運營官兼戰略負責人姚琳達（Linda Yao）補充道，客戶服務領域的通話處理時間生產率實現了兩位數的增長。

迄今為止，聯想已優化生成式AI代理作為虛擬助手。未來，姚設想AI代理作為人類的“副手”，獨立完成任務。

AI代理的其他企業應用場景有哪些？

以下是三個假設性應用場景，展示AI代理未來的潛在應用：

貸款審批

由多個專業化代理組成的AI代理系統可處理廣泛的信用風險場景。過去，這通常是一個耗時且高度協作的過程，涉及收集、分析和審查與借款人、貸款類型及其他變量相關的各種信息。

代碼文檔化和現代化

大型企業的傳統軟件應用程序和系統常帶來安全風險并減緩業務創新步伐。AI代理可助力簡化這些系統的現代化進程。例如，企業可部署一個專精于傳統軟件的代理分析舊代碼，同時另一個質量保證代理審查文檔并迭代優化AI輸出，以確保準確性和符合組織標準。

在線營銷活動

設計、啟動和運行在線營銷活動是一個復雜且多層次的過程，涉及眾多人員。單一的AI代理系統可基于公司營銷專業人員的輸入，開發、測試和迭代活動創意。隨后，數字營銷代理可收集洞察以制定策略和文案，而設計代理則可打造定制化內容。

組織在采用AI代理時面臨哪些障礙？

麥肯錫合伙人Nicolai von Bismarck表示，構建信任是采用AI代理技術的一大障礙：“我們發現，各類年齡段的客戶——甚至Z世代——仍傾向于通過實時電話交談獲得客戶幫助和支持。”他繼續指出，一家銀行通過創建檢查AI代理錯誤或“幻覺”的架構，在答案與客戶共享前減少錯誤響應，從而建立信任。

麥肯錫合伙人Roger Roberts表示：“從AI中獲得最大價值的企業將是那些與其客戶、員工和利益相關者建立信任的企業。人們必須足夠信任AI以移交任務。企業的倫理決策必須植根于每個組織獨特的價值觀以及以人為中心的AI生態系統的社會價值觀。”

另一個挑戰是，麥肯錫高級合伙人Amar指出，組織在擴展AI代理時需進行變革管理。他表示：“這遠不止推出新工具那么簡單。企業需要重新調整職能運作方式，以充分發揮生成式AI代理的價值。”

這種調整包括采用新技術，并對現有技術進行優化，使其與基于機器學習和生成式AI的工具更好協作。組織還應調整運營模式，支持小團隊迭代開發新服務。此外，領導者應設立激勵機制，幫助員工學習使用并信任新工具。

最后，麥肯錫合伙人Bawcom表示：“數據保護是領導者在部署AI代理時的主要關切。”追求AI代理計劃的企業應謹慎實施安全、運營和數據的適當控制措施。目前有多種不斷演進的解決方案，包括現成的和定制的。

AI代理如何改變組織的科技架構？

AI代理的激增可能改變組織運行技術項目的方式。麥肯錫預計，IT架構將從傳統的以應用程序為中心模式轉向新的多代理模型。在這種架構中，技術領導者管理多達數千個相互通信的代理，以及與人類和外部程序的交互，以實現共同目標。

以下是技術領導者在其當前環境中部署代理的三種方式（見圖2）：

超級平臺（Super platforms）

這是下一代第三方商業應用程序，例如協作工具或客戶關系管理（CRM）程序，內置生成式AI代理。例如，用戶可部署CRM超級平臺運行銷售報告，同時自動與公司的分析工具通信。過去，這需要針對特定應用場景的編程。

AI封裝器（AI wrappers）

這些工具使企業服務能夠通過API與第三方服務通信和協作，而不暴露公司專有數據。例如，一家銀行可圍繞內部開發的AI驅動信用風險模型構建生成式AI賦能的封裝器。該AI封裝器可啟動行動，例如請求供應商的LLM基于客戶數據和信用評分生成風險因子，而不向供應商或LLM透露數據。

定制AI代理（Custom AI agents）

員工可通過微調預訓練LLM或使用檢索增強生成（RAG）訪問公司專有數據，開發定制的生成式AI賦能代理。例如，在客戶服務場景中，員工可將現有模型與客戶數據、呼叫中心記錄和公司政策結合，創建生成式AI代理，協助呼叫中心員工回答客戶問題。

組織需調整其IT架構，以更好地服務于這些以代理為中心的工作流程，并支持持續迭代和改進。

組織實施AI代理的步驟有哪些？

領導者可聚焦以下三個關鍵領域：

審慎評估耗時長、涉及人員多的技術提案

這意味著審視所有大型提案，評估生成式AI如何降低成本并縮短時間線。領導者應對聲稱融入生成式AI能力的提案尤為審慎，因為這些能力的價值潛力可能有限或僅為輔助性。

聚焦核心問題

小規模舉措通常僅帶來小規模成果。因此，企業應識別最重大且復雜的技術問題——那些成本高昂、時間跨度長達數年、導致嚴重技術債務的問題——并集中利用生成式AI解決這些問題。

提前應對人才、技術及運營模式的變革影響

隨著多代理模式的擴展，領導者需理解并規劃其業務影響。這包括重新思考人才戰略和再培訓計劃，相應調整運營模式，以及重新評估運營和資本支出。

AI代理的演進才剛剛起步，未來仍有諸多經驗教訓和發現等待探索。AI代理領域的許多工作正從實驗室走向全面應用。AI代理為重新構想各行業和規模的組織內人員工作方式提供了全新能力。

參考資料：McKinsey & Company. (2025, March 25). What is an AI agent? https://www.mckinsey.com/featured-insights/mckinsey-explainers/what-is-an-ai-agent

本文轉載自??Andy730??，作者：常華