AI-智能代理热潮解析---开始之前你需要了解的真相

AI 智能代理热潮解析 - 开始之前你需要了解的真相

原文链接

通过与无数客户和行业领导者的对话，我注意到一个共同的主题：对智能代理的困惑。我经常被问到诸如“什么是智能代理？”“我应该何时使用它们？”或“它们在我的环境中是如何工作的？”等问题。这些问题经常出现。在这篇文章中，我将澄清事实，并提供关于智能代理的清晰解释，这基于我 10 多年的 AI 实施经验。无论你是刚开始还是想提高对智能代理的使用，这篇指南都是为你准备的。

智能代理并非新生事物

首先，让我们明确一点 - 智能代理不是一个全新的概念。它们已经存在多年，并在全球范围内的各个行业中得到实施。然而，由于技术的进步，它们现在被视为一个新或热门的话题。这主要是由将智能代理重新带回聚光灯下的大型语言模型（LLMs）所驱动的。这些进步使得智能代理比以往任何时候都更加能够、灵活和易于访问。

什么是智能代理？

简而言之，智能代理是一个旨在感知信息并采取行动以实现特定目标的系统。例如，回答客户问题、执行交易或控制家中的智能设备。

由 GPT-4o 提供

智能代理是如何演变的

基本智能代理，如虚拟代理，已经存在多年。在早期，智能代理功能简单且往往比较僵化。然而，由 LLMs 驱动的现代 AI 智能代理已经取得了巨大的进步。它们显著降低了执行类似任务的实施难度，能够自主且更高效地工作，并提高了可能性的艺术。以下是一些例子：

• 类似人类的交互 - 以前，聊天对话感觉像机器人一样机械，这常常让用户感到沮丧。现在，大型语言模型（LLMs）可以提供流畅、对话式和类似人类的体验。

• 决策 - 以前的智能代理是反应性的，执行预先编程的动作或回答静态的常见问题。现代智能代理可以根据学习到的偏好做出实时决策，并实时适应变化的情况。

几年前，实施一个智能代理需要大量的专业知识、资源和基础设施。在当今时代，低代码/无代码工具、预训练的大型语言模型以及其他现代云服务使得企业更容易采用和实施智能代理解决方案。

那时与现在：一个真实案例

回到 2016 年，我在 IBM 工作时，为一个全球发制品公司做了一个令人着迷的项目。用例是让他们的员工能够访问销售和社交媒体数据。他们的目标是更好地了解产品决策，提高质量，并提高客户满意度。

AI 解决方案解决的关键问题之一是“去年第二季度东北地区的 X 产品销售额是多少？”。我们的解决方案将使用 NLP 来理解问题，填充多个预定义的 SQL 查询之一以从 SQL 数据库中检索数据，然后将其信息包括在一个预定义的对话流程中，以及一个视觉图表，返回给用户。让我来分解一下……我们当时有：

1. 一个代理通过 NLP 理解最终用户的提问

2. 一个代理对数据库执行 SQL 查询以检索相关数据

3. 一个代理将正确的对话和数据组装回聊天中

4. 一个代理创建一个视觉图表（饼图或折线图）来表示答案中提供的数据

5. 一个代理负责监督和协调所有这些其他代理

是的，我们早在 2016 年就在生产环境中实现了所有这些！我们共有 6 个资源参与这项工作，包括我自己作为工程领导者。每个资源都专注于一个特定的“代理”功能。

如果我现在要交付同样的 AI 解决方案，实施过程中将节省大量时间。我估计我们至少可以节省 50%的构建和交付时间。这都要归功于当前的技术进步，LLM 是推动力。如果我们今天这样做，我们将会：

• 无需硬编码和管理对话流程

• 无需硬编码和管理 SQL 查询

• 无需花费大量时间训练意图和实体，因为今天的 NLP 技术已经非常先进

今天，由 LLM 驱动的代理在许多领域加速发展，如自然语言理解，这使得它们能够解释非结构化数据，做出情境感知的决策，并执行流畅、类似人类的对话。这种能力上的飞跃使得现代代理能够提供更准确、个性化和主动的支持，从静态功能转向动态、实时的解决问题和决策。

如何开始

在尝试做出任何技术或架构决策之前，你应该首先考虑几个重要因素：

1. 定义你的业务目标 – 你试图实现什么？（例如提高客户满意度或提高运营效率）。这是至关重要的，并将成为你所有行动的持续参考点。如果一开始就不明确，你可能会面临技术成功但业务失败的风险。

2. 将技术映射到用例上： 首先关注问题。让技术服务于解决方案，而不是反过来。

3. 在白板上展示你的问题： 使用设计思维等方法，全面理解用例、场景和利益相关者。

4. 确保数据准备就绪： 确认您的数据是可访问的、干净的并且可操作的（这通常是许多部署的差距所在）。

一旦您确定了这些，您就可以开始探索最适合您需求的技术和架构。还有许多其他重要的方面需要考虑和整合，例如数据安全和确保负责任的 AI。从一开始就将这些嵌入到您的解决方案中至关重要。

接下来是什么

人工智能代理有多种类型，例如简单型、基于模型的、基于目标的、基于效用的、学习型和层次型代理。它们的应用场景远远超出了对话式 AI，支持工作流程自动化、个性化推荐等等。在未来的文章中，我将深入探讨真实世界的案例，并更详细地解释不同类型的代理。现在，您可以查看来自Microsoft和IBM的入门友好型资源，继续您的学习之旅。然后，您可以查看 Microsoft 的新AI 代理服务和demo，了解如何开始使用。

结论

人工智能代理是强大的工具，可以改变企业运营和与客户互动的方式。通过了解它们是什么以及它们是如何演变的，您将更好地准备好在您的环境中利用它们的潜力。

准备开始了吗？请继续关注更多见解、技巧和真实世界的案例！