超越機器人，AI 代理將推動下一波企業自動化浪潮

2024.10.10

分享至

TechFlow Selected深潮精選

超越機器人，AI 代理將推動下一波企業自動化浪潮

探討 AI 智能體如何在企業中應用，推動企業自動化的新紀元。

2024.10.10 - 09:26:00

AI代理

專注 Web3 行業深度報導，洞察潮水流動的方向

探討 AI 智能體如何在企業中應用，推動企業自動化的新紀元。

作者：JP Sanday, Steve Sloane, Naomi Pilosof Ionita, Derek Xiao

編譯：深潮TechFlow

經濟中的每份工作都可以看作是由人類和機器共同完成的任務集合。多年來，軟件逐漸承擔了越來越多的任務，但即使在今天，人類仍然負責絕大多數業務流程。在每個職能領域，人員成本遠遠高於軟件支出。

AI 智能體有望決定性地改變這種工作平衡。與過去主要處理低級、順序且可機械執行任務的軟件不同，新的認知架構使智能體能夠動態地自動化端到端流程。這不僅是能夠閱讀和寫作的 AI，而是能夠決定應用程序邏輯流程並代替你採取行動的 AI。

它們是當今企業中大語言模型 (LLM) 的最大機遇。在另一篇文章中，我們討論了這些新“智能體”的定義以及使其成為可能的設計模式。在這裡，我們將探討它們如何在企業中應用，推動企業自動化的新紀元。

機器人流程自動化 (Robotic Process Automation，RPA) 再現？

如果這讓你覺得似曾相識，那是因為在過去十年中，像 UiPath 和 Zapier 這樣的公司一直在以“機器人自動化”為名推銷類似的願景。

UiPath 是首個進入市場的公司。這家機器人流程自動化 (RPA) 巨頭的核心業務是通過屏幕抓取和 GUI 自動化，使“機器人”能夠記錄用戶操作，並模仿這些順序步驟來自動化流程，例如提取文檔信息、移動文件夾、填寫表單和更新數據庫。

後來，像 Zapier 這樣的 iPaaS 提供商出現，採用了一種更輕量級的“API 自動化”方法來提高生產力。該平臺通過預構建的 API 集成和 webhooks 提供更穩定的自動化，儘管這種方法將公司的範圍限制在 web 應用程序自動化，而 UiPath 則能夠跨不同軟件自動化流程，包括那些可能不支持 API 的軟件。

UiPath 和 Zapier 證明了市場對於可組合、基於規則的橫向自動化平臺的需求，這些平臺可以解決企業在部門或行業特定軟件系統內外的長尾流程問題。然而，隨著企業擴大基於機器人的自動化規模，這些傳統架構的能力與其所承諾的自主性之間的差距開始顯現，特別是在以下方面：

（仍然）需要大量人力和手動操作。儘管關於機器人和自動化的討論很多，但建立和維護自動化的過程仍然非常繁瑣。事實上，UiPath 每賺 1 美元，就有 7 美元流向像 EY 這樣的實施和諮詢合作伙伴，導致部署和維護週期既漫長又昂貴。
UI 自動化脆弱或 API 集成有限。當軟件的 UI 發生變化時，UI 自動化常常中斷，而 API 雖然更穩定，但集成數量較少，尤其是對於傳統或本地軟件。
難以處理非結構化數據。非結構化和半結構化數據佔企業數據的 80%，但基於順序的自動化幾乎無法智能處理這些數據。智能文檔處理 (IDP) 解決方案如 Hyperscience 和 Ocrolus 試圖在這方面取得進展，但在處理簡單的“提取和轉換”文檔用例時，仍在邊緣情況和異常處理上遇到困難。

此外，傳統的 RPA 和 iPaaS 解決方案即使嘗試整合大語言模型 (LLM)，仍然受限於其確定性架構。目前，UiPath 的 AI 解決方案 Autopilot 和 Zapier 的 AI Actions 僅在子智能體設計模式中使用 LLM，例如 (1) 文本到動作，或 (2) 用於語義搜索、綜合或一次性生成的節點。

這些 AI 功能確實很強大。它們使得業務部門而非 IT 部門能夠掌控自動化規則，通過視覺 Transformer 而非 OCR 實現更強大的對象檢測和識別，並通過 RAG 進行強大的數據提取和轉換。然而，它們仍然未能實現 LLM 在流程自動化中的更具變革性的用例，我們將在接下來探討這些用例。

AI 智能體作為決策引擎的角色

智能體本質上有很大不同。它們作為決策引擎，位於應用程序控制流的核心位置，這與當今 RPA 機器人的硬編碼邏輯，甚至是定義了生成式 AI 革命第一波的 RAG 應用程序形成鮮明對比。它們首次實現了適應性、多步驟操作、複雜推理和強大的異常處理。

我們通過一個發票對賬的例子來說明其影響。下面是一個簡化的流程圖，展示瞭如何將新發票 PDF 與公司的總賬進行匹配（類似於實施工程師為 RPA 進行的可視化建模）：

顯然，工作流程的複雜性迅速增長，幾乎不可能在前三個決策集中涵蓋所有相關的邊緣情況和例外。通常情況下，負責機械執行這一工作流程的 RPA 機器人會出錯，並將部分匹配或缺失的條目上報給人類——這或許解釋了為什麼如今大多數企業每月仍然僱傭數百名員工來完成這項任務，而不是自動化這一高度人工的過程。

然而，當應用於相同的工作流程時，智能體的性能要高得多，能夠實現以下功能：

適應新環境。智能體能夠智能識別並適應新的數據源、發票格式、命名規則、賬戶號碼，甚至是基於基本推理和業務背景的政策變化，這一切都無需重新編程或依賴明確的標準操作程序（SOP）。
支持多步驟操作。在發票金額不匹配時，智能體可以執行多步驟調查，例如掃描供應商的最新電子郵件以查找可能的價格變動通知。
具備複雜推理能力。例如，一家公司需要將國際供應商的發票與其賬本進行對賬。這一過程涉及多種因素的考慮，包括髮票貨幣、賬本貨幣、交易日期、匯率波動、跨境費用和銀行費用，所有這些因素都必須被檢索並計算在一起，以完成付款對賬。智能體能夠勝任這類智能操作，而 RPA 機器人可能只會將此問題上報給人類。
處理不確定性。智能體能夠處理不確定性，例如利用上下文線索（如匹配總訂單價值以及歷史發票的時間和頻率）來應對個別項目的舍入誤差或不可讀數字。

AI 智能體市場現狀

智能體不再只是科幻小說中的概念。儘管這一領域仍在發展，從初創公司到財富500強企業都已經在大規模地購買和使用這些系統。

當前的智能體市場格局可以通過兩個關鍵維度來展現：

領域特定性：這包括為醫療等垂直行業或客戶支持等部門設計的高度專業化智能體，以及具有廣泛、通用能力的水平智能體平臺。
大語言模型自主性：這表明語言模型在獨立規劃和指導應用邏輯方面的能力。

這兩個因素構成了我們正在研究的 AI 智能體市場地圖的兩個軸，如下所示。

在市場地圖的右上角，最具通用性和可擴展性的智能體包括：

企業級智能體。可擴展的智能體平臺使企業能夠通過自然語言的 SOP 或類似於新員工手冊的規則，來構建和管理跨多個功能和工作流的智能體。這些平臺特別吸引那些希望獲得廣泛適用智能體能力的集中 IT 採購者，而不是為每個業務單元提供單獨的解決方案。例如，Sema4 的發票對賬智能體的核心處理能力可以用於財務、採購和運營中的各種數據驗證任務。

儘管如此，大多數企業級智能體採用“軌道上的智能體”架構，這要求智能體在每個新流程中都基於特定工作流的一組預定義操作、業務上下文和保護措施。儘管有些數據基礎設施可以在不同工作流之間共享，但這些平臺的廣泛特性更多地來自於累積使用案例，而非人類般的通用性。因此，該領域的一些參與者已開始專注於特定領域，以獲得更大的產品和市場推廣優勢（例如，Brevian 專注於客戶支持和安全，Ema 專注於銷售和支持領域）。

瀏覽器智能體。MultiOn、Induced 和 Twin等網頁智能體代表了另一種廣泛且可泛化的智能體類型。大多數採用“通用 AI 智能體”設計，利用在各種軟件界面及其底層代碼庫上訓練的視覺 Transformer 模型。這使智能體能夠“理解”網頁組件及其功能和交互，從而實現網頁瀏覽、視覺用戶界面操作和文本輸入的自動化。

然而，儘管這些智能體在通用性上有所提高，但往往在一致性上有所犧牲。目前，大多數智能體主要針對簡單的生產力或電子商務應用，努力實現企業級性能。由於缺乏更受限的問題空間和適當的數據支撐及保護措施，更可靠的瀏覽器智能體必須克服一些關鍵挑戰，比如管理複雜的動作和觀察空間、在多個頁面之間保持上下文以及解釋多樣化的網頁界面。

AI 支持的服務。企業對智能體能力的需求目前超過了客戶自行生產智能體的能力，尤其是因為“軌道上的智能體”設計需要廣泛的數據基礎設施和保護措施才能在實踐中有效。這正是 Distyl 和 Agnetic 等公司發揮作用的領域，它們通過提供類似“AI 版 Palantir”的前置工程服務來填補這一空白。類似於 Palantir 的 Foundry，這些公司可以在不同客戶之間重複利用模塊化系統基礎設施，以逐步重新平衡平臺與服務的比例。

但並不是所有智能體都追求橫向和可泛化。我們越來越多地看到特定領域和工作流的智能體湧現，這些智能體通過限定解決問題的類型來提高可靠性：

垂直領域智能體。垂直領域智能體最有前景的機會在於那些目前由人類按照標準操作程序 (SOP) 或規則手冊處理的手動、程序驅動的流程。許多企業已經將這些功能外包給業務流程外包 (BPO) 公司或承包商。這些任務通常對基於規則的自動化來說過於複雜，但又不足以挑戰或區分，從而無法證明需要內部知識工作者。主要類別包括客戶支持、招聘、某些軟件開發任務如代碼審查、測試和維護、冷銷售外撥以及安全操作。
AI 助理。另一種縮小智能體關注範圍的方法是通過任務的特定性，而非領域的特定性。AI 助理執行更簡單、更注重生產力的任務，而不是像企業和垂直領域智能體那樣承擔複雜的端到端流程。常見的基本任務包括簡單的網頁研究、知識提取、總結，以及針對臨時任務的非結構化數據轉換，例如聊天 PDF 或從 Gong 轉錄中提取功能請求。

最後，值得注意的是，有一些廣泛的生成式 AI 解決方案，雖然本身不是智能體，但在預算上與智能體解決方案競爭，有時甚至參與相同的工作流程。這些解決方案主要基於 RAG 架構構建，不在應用程序控制流中，因此無法完全模擬智能體的人類推理。然而，它們的能力仍然能夠顯著提高服務自動化，同時為企業提供控制權。

垂直領域 AI。語義搜索和非結構化數據轉換是垂直工作流中的強大基礎功能。例如，醫療保健 AI 自動化平臺 Tennr 從傳真、PDF、電話和其他雜亂的來源中提取非結構化數據，並將其輸入診所的 EHR 系統，以暢通轉診處理流程，減少員工手動輸入數據的需求。工業 AI 是另一個例子，它採用類似的方法來自動化製造商的報價流程。
RAG 作為服務。像 Danswer 和 Gradient 這樣的 RAG 作為服務的公司，是垂直語義搜索和非結構化數據轉換公司的橫向對應，為客戶提供查詢非結構化數據源（如 PDF）、提取數據並將結果錄入更結構化的數據庫或記錄系統的能力。
企業級搜索。Glean 、 Perplexity 和 Sana 提供語義查詢，以索引和檢索相關文檔為目的，從而更好地管理組織內的知識並打破企業數據孤島。