劳动力未来：人工智能代理如何转型企业工作流程

劳动力未来的展望： 人工智能代理将如何改变企业工作流程 我们深入探讨代理商的定义、局限性、关键公司和未来工作方式的启示。 自动驾驶人工智能代理——由大型语言模型驱动的机器人，可以独立推理和执行任务——像野火一样迅速流行。在2023年，标志着超越聊天机器人和协同驾驶者的一个重要演变。 OpenAI 首席执行官 Sam Altman 最近的 2024 年 5 月曾将智能代理描述为“人工智能的杀手功能”。 现在，该领域正见证初创企业的激增：超过50家公司自2022年以来，关于代理、代理工作流程和代理基础设施的研究已相继出现。 尽管许多技术在其执行任务可靠性方面仍然有限，但在横向企业应用如客户支持、销售和工程领域的用例正在获得吸引力。 随着人工智能代理进化以应对更复杂的工作流程，对企业及其员工的影响将深远，从取代客户服务代表和销售发展代表到增强合规努力等更多方面。 以下，我们利用CB Insights数据深入研究： ● 人工智能代理是什么，当前局限性以及在该领域兴起的公司 ● 水平应用正在获得动力 ● 潜在的产业应用 ● 展望未来 目录 人工智能代理的状态 4 5人工智能代理的工作原理 6局限包括复杂的推理和规划以及工具的使用。 水平应用与影响 客服代表面临高风险的AI自动化。 新兴产业应用与机遇 28 注意：本报告中列出的公司正在从事各种程度的自主性工作，从代理型、由大型语言模型（LLM）驱动的工作流程到完全自主的代理。 人工智能代理的状态 生成式人工智能彻底改变了语言处理，从创意写作到代码生成等任务均得以实现，ChatGPT在2022年的发布使得这项技术惠及数亿用户。 自那时起，各种聊天机器人和协同飞行员出现，利用大型语言模型来回答用户问题、总结文档、完成软件代码等。 智能代理标志着超越聊天机器人和共驾驶者的重要进化：智能代理可以在用户代表下处理复杂任务。它们可以使用网站、安排会议、规划假期等等。 虽然自2023年对AI代理的兴趣激增以来，AI代理尚未全面起飞，但这项技术正在快速发展，功能也越来越强大——具有不同程度的自主性。我们探讨代理是什么，它们的局限性，以及以下景观。 来源：CBInsights新闻提及搜索 人工智能代理的工作原理 自主代理是能够无需人类指示便追求目标的AI系统。如果赋予它们一个目标，它们可以创建任务、完成这些任务，并在达到目标前重新调整优先级。 这些系统的基本组成部分包括基础模型（用于推理和分析）、工具使用（用于与互联网和其他软件或应用程序交互）以及内存访问。 2023年早期发布的项目突出了这一框架，包括开源的AutoGPT开发者社区对它产生了巨大兴趣，转向其更简单的同类产品BabyAGI。 例如，BabyAGI（如下所示），当用户给出一个目标时，它将循环执行该目标，依靠“代理”（例如，OpenAI的GPT-4模型）来完成任务，从LLM中提取上下文，并将完成的任务存储在内存中（使用一个向量数据库). 局限包括复杂的推理和规划以及工具的使用。 尽管有令人信服的演示——从预订航班到进行市场研究——完全自动化的代理仍然处于早期采用阶段。 当前代理项目在可靠执行任务方面能力有限，尤其是在旨在跨越整个互联网、包含众多网站、错误状态和不可预测的用户界面的项目中。 其中之一是最先进的软件工程师代理——认知的 Devin — 根据SWE-bench，一个评估代理在开源项目中解决真实GitHub问题的能力的基准，能够独立解决仅14%的问题。这仍然使其远超其他模型。 同时，OpenAI据称，公司仍然认为其技术处于“聊天机器人”阶段（具有对话语言的AI），尽管它声称正在接近“推理者”阶段（像人类一样解决问题）。该公司认为，第三阶段——能够为用户提供复杂操作的完整智能代理——尚未到来。 一项挑战是让大型语言模型（LLMs）通过API与网页和外部工具进行准确交互——这是预期能在软件平台间执行复杂任务的代理程序的关键特性。它们还需要逻辑地串联多个功能，不容许出现幻觉。 例如，人工智能设备如兔子s R1 和 the人道Ai Pin，依赖于大型模型，在执行用户请求的任务时，如订购Uber或排队在Spotify上播放歌曲，实际上遇到了困难。 然而，一些初创公司正在探索解决方案，例如优化代理以处理有限的任务集，将人类纳入循环以提供反馈并指导代理的方法，或者部署一个二级代理来检查第一个代理的工作。 例如，西里巴斯该专注于客户支持应用程序的，采用多智能体方法。一个我们采访的Sierra客户将其描述为“检查系统”： 它们真正独特之处还在于另一件事：他们有一个检查系统。他们不仅仅有一个AI代理在我们的项目上工作。他们有两个。在它实际回应您之前，在纳秒级别，它会将答案反射到另一个AI代理。该代理会说：“是的，这听起来像是[该品牌]会说的话，”然后将其反馈回来，然后它才会回应您。这是一个制衡系统，它确保能够恰当地对那些答案做出回应。如果不行，它将返回并自行解决问题，然后它将返回给消费者，或者如果它觉得无法充分回答，它将将其转交给人工客服。 市场营销总监消费品公司 人工智能代理领域 水平应用占主导地位。 在开源AI代理项目活跃的社区中，风险投资支持的代理初创企业领域被对横向应用的关注所主导——涉及销售、客户支持以及其他企业和通用工作流程的生产力。 根据我们的分析，专注于垂直特定应用的初创企业目前仍然有限。 绝大多数初创企业开发代理正针对企业市场。他们不是在与消费者竞争。他们正在争夺替代SDR（软件设计者）、软件开发人员、合规分析师、客户服务代表等角色的机会。 影响将会深远——从增强或取代公司员工日常职责到最终成为公司面向客户的对外形象。 代理基础设施工具出现 人工智能基础设施领域的公司正使开发者构建人工智能代理变得更加容易。 例如：LangChain提供构建LLM应用的开源框架，包括代理。同时，由Y Combinator支持的Zep AI与LangChain集成，该系统正在为开发者的代理应用构建“长期记忆”。 AI崛起，公司的一个部门梅林心智2024年6月低调亮相，并获得近1亿美元融资，正在构建一个“编排代理”，该代理将任务路由到最佳的LLM或代理。 初创企业也在涌现，使人工智能代理与网络互动变得更加容易。 例如：浏览器基础该平台允许开发者利用人工智能和无头浏览器（无需图形用户界面的可编程控制的网络浏览器）自动化网络交互，如其CB Insights侦察报告所强调。 来源：CBInsightsBrowserbaseScoutingReport 另一家公司，匿名该机构成立于帮助解决AI代理在线面临的认证挑战，例如安全地输入用户名和密码。公司为开发者提供一套软件开发工具包（SDK），使代理能够在用户浏览网站时代表用户进行认证。 投资激增 公司专注于代理的领域在2024年前已观察到投资和交易水平的激增（不包括OpenAI，该公司在多个AI领域均有涉猎）。 顶级融资公司包括熟练的（总计415百万美元资金）灌输（232百万美元），以及认知人工智能公司（196百万美元）。 显著地，Adept的领导层被有效地通过收购方式聘请而来。亚马逊2024年6月，尽管剩余团队计划专注于代理人工智能。 来源：CBInsights高级搜索 The该领域中最活跃的投资者Y Combinator，已资助了12家初创公司，以及Abstract Ventures，共有5家。 企业投资者也在关注这个领域：花旗风险投资和纽约人寿风险投资都支持了专注于合规性的企业。Norm Ai同时，Workday Ventures 和 Atlassian Ventures 对 Adept 进行了投资。 大型科技公司加入竞争 微软、谷歌和亚马逊都正在进行代理项目。 ●微软宣布于2024年5月将其Copilot工具扩展为“团队成员”，并具备开发自动化工作流的代理的新功能。 ●谷歌的DeepMind在2024年5月的开发者大会上发布了Astra项目。Astra是一个“通用AI代理”，作为一个多模态AI助手，能够通过视频、图像、语音和文本与用户进行交互。Alphabet公司CEO桑达尔·皮查伊在公司2024年第二季度收益电话会议中对这个项目进行了描述，称其为“对未来的展望”： 来源：CBInsights谷歌财报电话会议记录 ●亚马逊引发Adept联合创始人的加入，并将于2024年6月获得其技术许可。在致员工的备忘录中，Rohit Prasad（领导亚马逊的人工智能通用智能（AGI）团队）表示，此举“将加速我们构建能够自动化软件工作流程的数字代理人的路线图”。 在投资方面，谷歌风险投资公司已支持Hebbia并且科诺斯思亚马逊Alexa基金也进行了投资。多工2024年1月的种子轮融资以及Imbue的B轮融资。 水平应用与影响 大多数人工智能代理初创企业致力于自动化跨公司部门的工作流程。以下将深入探讨的领先类别包括客户服务、销售和软件开发。 客服代表面临高风险的AI自动化。 人工智能已经多年是客户服务中心和客户支持领域的一个特点。 例如：一位我们交谈过的买家在2019年，通过利用Google的接触中心AI对话流解决方案，替代了135名参与电话路由的全职员工（FTE）。 谷歌Dialogflow解决方案是我们语音助手的一部分，推动语音助手的是开关板的广泛、简单的用例。我们会接收来自商店的电话，然后总机将理解来电者的意图并将来电者直接转到分机，管理在该特定分机上接受服务的来电者。该活动中约有135名全职员工，我们用聊天机器人替换了他们。作为聊天机器人的一部分，我们需要一个推理引擎或机器学习/人工智能来理解话语并将其匹配到特定的意图，然后我们可以将其匹配到处理该特定意图的服务路由点。 英国跨国经销商经理， 来源：CBInsights、Google Cloud、Buyer访谈 然而，聊天机器人历史上一直受到僵化、基于规则的响应和缺乏上下文理解的限制。 现在，通过处理更复杂的对话和工作流，大型语言模型（LLMs）正在实现更深层次的自动化和成本节约，进而释放代理人的时间（或者完全取代他们）。 2024年2月，克雷纳宣布其基于OpenAI的AI助手在上线一个月后已完成了700名全职客服人员的工作。该助手预计每年可节省4000万美元。 在与客户的交流中，我们清楚地看到，人工智能代理将越来越多地处理人类支持代理的任务——截至2022年，根据美国劳工统计局（BLS）的数据，这一角色中有近300万美国人受雇。 Sierra，由前Salesforce首席执行官Bret Taylor共同创立，自2023年成立以来已筹集1.1亿美元用于构建客户服务AI代理。这是锡拉零售商客户公司正在利用其人工智能代理处理“在高量期间需要灵活组建临时团队”的需求： 我的目标是 everyone 都能达到 4.75/5 的 CSAT 级别。我们一直看到 AI代理和我们的人类代理的表现约为 4.5。这很具竞争力，并且与我们的人类代理的表现处于同一水平……第二个我们关注的KPI是实际每票处理成本…我想要确保Sierra的成本等于或低于人工代理的成本。我们还在关注解决率——即AI代理自行解决且无需升级至人工代理的票务百分比。目前，我们的解决率为约60%，这非常好，因为它使我无需雇佣临时员工。在之前夏季期间我所雇佣的票务方面。 市场营销总监消费品公司 一群更早出现的人工智能客户支持公司，在大型语言模型（LLMs）主流化到来之前就已经出现，他们也在转向，专注于人工智能代理。这包括Ada,前瞻性，并且对讲机以及科尼吉，该公司于2024年6月完成了C轮融资，筹集了1亿美元，以扩大其客户服务中心代理规模。 展望未来，预计语音解决方案将变得更加受到关注。例如，固定式自行车该公司在最初开发基于聊天的AI代理后，已将其重点转向实时语音交互。 同时，这位Sierra买家说： “我预计随着Sierra加入，我们