去年 11 月， OpenAI 釋出 AI Agent 初級形態產品 GPTs，讓人看到智能體的套用前景。谷歌、亞馬遜在該領域也有所涉獵。比爾蓋茨更是認為 AI Agent 是 AI 的未來，並預言不久的將來，所有人都將擁有專屬 AI 助理。
為了更好地理解智能體的落地前景，全球領先的風險投資和私募股權公司Insight Partners進行了多個行業的調研，並釋出一篇深入的分析報告，旨在探索 AI Agent 與傳統自動化平台的差異，以及AI Agent當下落地情況。
核心觀點指出，AI Agent 和大型語言模型（LLM）的融合正在推動自動化向更智能、更高效的方向發展。報告強調了人機互動在部署生成性 AI 解決方案中的重要性，並提出了自動化部署應采取漸進式策略，從簡單任務開始，逐步過渡到復雜工作流程。
以下是原文轉譯。
/ 01 / 自動化領域發展的趨勢預測
1.從消費者到知識工作者,每個人都將擁有自己的 AI 助手。這將重新定義垂直套用、自動化平台和 IT 服務之間的傳統邊界,為企業家創造變革性的市場機會。AI 助手將以不同形式出現,從現有平台的輔助工具,到內嵌 AI 的套用,再到各種形態的 AI 智能體 (AI Agent)。
2.人機協作是部署生成式 AI 解決方案的核心。目前大多數套用場景都處於實驗或早期生產階段,側重於建議和輔助型工作流程。LLMs 還不具備可靠的規劃和推理能力,記憶和上下文理解等領域仍在研究中。在自動化平台上,確定性執行至關重要,LLMs 被用於"設計期"的特定任務,而非"執行期"。
3.自動化是一個被低估的難題。從業者正將 AI 加入他們的解決方案和專業經驗,以提升平台效率和使用者體驗。頂尖的 LLM 提供商正在加入智能體建模、協作和工具存取功能,讓使用者能快速構建 AI 智能體 (如 GPT 系列)。有望突破的新興企業需要利用獨特的數據集和簡潔的使用者體驗,提供差異化的客戶價值,重塑工作流程。
4.內建 AI 的自動化部署將采取"從簡單到復雜"的漸進方式,從簡單任務開始,逐步過渡到復雜工作流。關鍵是持續嘗試智能體,了解 AI 功能在哪些地方真正創造價值,並確保在數據、工具和執行時等方面搭建合適的"腳手架",使其成為自動化架構的一部份。隨著 AI 模型能力的增強,可以逐步擴大 AI 功能的套用範圍。
5.程式碼生成已成為開發基於生成式 AI (GenAI) 套用和 Agent 自動化平台的關鍵要素。程式碼兼具文本形式和明確效能指標兩大特性,是 LLM 的理想功能。編程輔助工具的初版已經廣泛部署,我們看到更成熟的 AI 驅動開發平台正在湧現。程式碼生成型 LLMs 將在智能體架構中扮演關鍵角色。
/ 02 / 自動化平台的演變
自動化是人類不斷努力的事業。每個知識工作者都熟悉這個不起眼的「宏」——一組重復命令的捷徑，可以額外提高生產力。
早期的自動化工作主要集中在報價到現金、薪資等工作流程上，工程師編寫客製程式碼，將這些受靜態規則和定義控制的工作流程拼接在一起。這些脆弱的早期方法推動了第一代自動化平台的開發，例如：
機器人流程自動化 (RPA) 平台在自動化重復性手動任務方面提供了最大價值。它們結合了預定義工作流程庫和低程式碼/無程式碼平台，幫助使用者構建自己的劇本。RPA 平台已逐步納入 AI/ML 模型以擴充套件其功能。
像 Workato這樣的iPaaS 平台首先建立一個中介軟體層來整合數據、應用程式源和 API 以連線不同的資源。該數據層是自動化引擎的關鍵輸入，建立幹凈的界面是自動化之旅的第一步。
低程式碼任務自動化平台透過簡單的 UI 提供一組預定義的整合，以自動執行知識工作者和中小型企業的重復任務。
各種垂直自動化 方法專註於供應鏈、IT 營運和開發人員生態系等領域的特定工作流程，以及面向客戶的用例（如幫助台和客戶服務團隊）的聊天機器人。
雖然這些平台顯著減少了重復性工作，但透過預定義工作流程或咨詢部署來實作自動化價值所需的引導仍然很復雜。
