引言
在企业Al的讨论中，大部分的注意力——以及炒作——部集中在生成式A1和大型语言模型(LLM):以ChaiGPT为代表的Al,以及它的文本写作能力、图像创建能力、代码生成能力、音乐创作能力等等。
智能体AI正在迅速改变对话。根据嘉信的近期研究，
93%的领导者认为在未来12个月内成功大规模部署代理式AI将带来竞争优势。的确，采用的速度如此之快，以至于研究人员感到有必要与大多数受访者再次核实。
近期推动这种采用的因素是客户服务、IT、销售、运营以及研发等流程密集型领域。随着组织寻求提升生产力、效率和增长的新水平，预计到2028年，自主智能的价值将达到4500Z美元。
2
然而，实现这一价值可能具有挑战性。强大的模型是基础，但为了便捷、连接性和信任，还需要构建一种有效的代理式AI解决方案。这需要系统设计优先考虑无缝集成、清晰的治理框架和可重用、可组合的架构，以及对准备就绪的AI数据的访问和治理。同样重要的是，一个业务用户界面，它允许技术和非技术人员都能高效地进行规模化开发和监控。在本文中，我们探讨了成功的技术前提条件、最常见的行业障碍，以及正确的平台方法如何解决数据碎片化、不可预测的成本和交付价值的时间问题。我们还提供了一个理想解决方案的实用清单，并分享了现实世界中成功的案例。
什么是自主Al?
自主型人工智能是一种能够自行设定目标、做出决策并采取行动以实现目标，而不需要任何特定指合说明的系统。它由多种不同类型的智能体协同工作，以收集、理解和处理信息。它还能通过自身的行动进行学习,以改进其响应，无需人工干预。
智能代理可以包括机器人流程自动化(RPA)、机器学习模型，以及能够生成、验证和总结内容的生成式AI代理，作为更广泛任务的组成部分。例如，Snowfake Coex Agents是生成式A代理，通过分解复杂查询、检案相关数据以及生成精确答案，帮助从复杂的结构化和非结构化数据集中检案数据洞察。
成功代理式Al的关键特性
在其本质而言，代理式AI可以部署于广泛的应用场景。无论一个组织是实施它来个性化雾售体验，加速临床试验，或检测和预防金融欺诈，大多数成功的实施都基于同样的关健特性。
在准备其组织并考虑解决方案和合作饮伴时，考虑代理式Al的企业和技术领导者应该因此寻找包括在内的关键成功因素：获取统一、适用于人工智能的数据：为了获得全面的情况，人工智能代理需要无缝访问来自所有相关来源的完整、一致和连接的数据。没有它,代理式人工智能无法智能地行动或做出相关决策。
自优化的A管道：代理式AI学习、适应和扩展。自优化通过将反馈转化为改进，使得这一切成为可能，这保证了独立代理的安全、有效和按计划进行。
实时数据处理：AI代理即时行动。它们需要实时数据来理解当前正在发生的情况，并做出及时决策以确保它们达成既定目标。
自动化数据治理：人工智能代理必须遵守规则。强大的治理和安全框架确保运营表现符合道德和法律，并为企业提供对自动化劳动力的监督。
可组合ai工作流：在一个智能体ai系统中，没有一个智能体单独工作。可组合工作流让企业混合、匹配和重用ai组件。它是实现真正可扩展性和成本效益的关键。
优化计算能力：AI代理处理大量数据并快速做出决策。这是一项计算密集型的工作。高效的计算能力可保持高性能并控制成本。
本文来自知之小站
报告已上传百度网盘群，限时15元即可入群及获得1年期更新
（如无法加入或其他事宜可联系zzxz_88@163.com）
