企业自动化的下一个革新是什么？如果你问科技巨头，答案是AI Agent智能体。
今年2月，OpenAI披露了正在积极开发中的AI Agent 2.0版本；紧随其后，UiPath在3月的年度AI峰会上宣布推出了Clipboard AI；4月，谷歌在Cloud Next大会上展示了自家的AI Agent产品。
目光转向国内，早在去年8月的新品发布会上，实在智能就已率先推出了实在Agent，标志着国内企业在AI Agent领域的突破；紧接着，百度在9月发布了灵境矩阵（现在的文心智能体平台）；以及今年1月份，钉钉在7.5发布会上宣布了AI助理的加入，丰富了Agent智能体生态。
回顾过去一年，无论是国际巨头还是国内先驱，AI科技企业都已敏锐地捕捉到AI Agent的潜力。但这条道路并非一帆风顺，技术的复杂性、市场的不确定性以及行业标准的缺失，都是企业在推进AI Agent时需要面对的挑战。
去年11月，OpenAI在开发者大会上隆重推出了助手API，允许用户在自己的应用程序中构建类似智能体的交互体验。但由于许多企业应用程序没有API，导致助手API只能受限于预定义的任务和功能。
进入2024年，OpenAI推出的GPT Store承载了行业内外的厚望。一上线迅速吸引了300万个智能体应用的涌入，显示出市场对此类技术的极大热情。然而，当普通用户带着多样化且具体的需求寻求定制化的GPT帮助时，实际效果却并不尽如人意。
OpenAI尝试让用户自行配置API接口，并提供数据信息给AI，通过一问一答的形式来解决不同用户的多样化任务。虽然这种方法在理论上能够提供更加个性化的服务，但在实际操作中，仅仅依赖一个聊天界面显然难以应对所有问题。
除了无法绕开API，大模型在企业端充分发挥作用，也绕不开以下障碍：
缺乏商业背景
大模型的训练依赖于公共知识库，如互联网上的海量数据。这些数据集往往是静态的、可能过时，且通常缺乏针对特定行业任务的深入领域理解。
高训练成本
尽管通过Prompt Engineering（提示工程）等技术手段可以为生成式AI（GenAI）模型提供必要的上下文信息，但对于大多数企业而言，这种方法既耗时又成本高昂。
缺乏透明度
大模型拥有数十亿参数，构建了复杂的语义网络。然而，GenAI模型通常不会公开其内部工作原理，这为企业用户带来了透明度上的不足，难以完全信任和依赖这些模型的输出。
幻觉和偏见
科技公司一直在降低大模型幻觉，特别是在企业应用时，GenAI不能被完全放任自流。在参与任何工作流程时，它们必须接受严格的监督和审查，以避免潜在的偏见和错误。
机器人流程自动化 (RPA) 十多年前开始流行，一直是企业数字化转型和成本节约的重要工具。与Agent类似，但RPA是基于“人工编写”的预设流程规则运行。
Gartner副总裁分析师Saikat Ray指出，RPA在模仿人类动作方面表现出色，但在处理创造性或动态任务时存在局限。这些局限正是GenAI的强项。将RPA与GenAI结合，可以形成强大的人机协同解决方案，实现端到端流程的优化。
事实上，RPA厂商一直在往这个方向推进。
在国外，UiPath和Automation Anywhere则是主要参与者。UiPath在今年3月份推出了Clipboard AI，它通过结合GenAI技术，使用户能够通过自然语言处理来定位和复制数据，显著提升了操作的灵活性和准确性。Automation Anywhere则推出了基于大型语言模型的GenAI，利用企业应用程序中的大量自动化流程数据进行训练，以增强其处理复杂任务的能力。
在国内，最早可以追踪到去年8月份。实在智能在2023年6月发布了TARS（塔斯）大模型，该模型在千亿级高质量Tokens上进行了全面训练，具备强大的商用能力。紧接着在8月，实在智能推出了AI Agent工具“实在Agent”，这种自主智能体能够根据自然语言创建自动化工作流程、总结内容、提取数据，并适应应用程序的变化，这些通常是RPA难以处理的。
具备基本问答模式：就像平时聊天一样，用户简单说明了情况和要求，实在Agent基本上都能很快查询互联网信息做出回答，并且信息也都是最新的。
流程透明：执行自动化流程也一样，通过自然语言输入指令，实在Agent就能拆分成工作步骤，若大模型没有很好生成自动化流程，用户还可以干预编排流程，确认无误后点击执行即可。
RAG增强：实在智能进一步融合了检索增强生成（RAG）技术，使实在Agent能够从公司知识库等特定数据集中检索相关知识，节省训练成本，提高模型的可靠性和可信度。
Forrester首席分析师Craig Le Clair认为，RPA可以通过UI轻松与现有工作模式集成，而RPA管理平台中的数千个任务自动化架构对AI Agent的企业应用极具价值。大模型的引入，可以增强RPA的功能，使其不仅能够理解和生成自然语言，还能自动创建内容、改进决策，甚至生成代码，从而为客户提供更多价值，提高生产力和效率。
随着用例的不断扩展，RPA和AI Agent的结合将展现出更大的潜力。两者的相辅相成，将推动企业自动化向更智能、更高效的方向发展，为企业带来更广阔的应用前景和更高的业务价值。
在AI Agent的演进中，工作流编排技术正成为企业关注的热点，它使得智能体能够更加高效地处理复杂的工作流程。
吴恩达团队的研究代表了这一领域的前沿，他们开发的AI Agentic Workflow（智能体工作流模式）能够根据用户预设的步骤，逐步完成更为复杂的任务。这种工作流模式不仅能够模拟人类的分工协作，还能主动执行任务并提出改进方案。
智能体之间的协作方式类似于人类的工作模式，它们能够主动分配任务，按照既定的标准流程操作，并具备自我监督的能力，以确保工作质量和效率。在官方提供的工作流后台，用户不仅可以执行各种具体的联动任务，还可以开发原创任务，以满足特定的需求。
钉钉在7.5版本的发布会上宣布的AI助理，其后台搭建便支持了工作流编排功能。
字节跳动于今年2月推出了一站式AI智能体平台Coze（扣子），它同样具备工作流编排的能力，但更侧重于C端用户的个性化体验。
无论是工作流编排还是自主智能体，AI Agent都展现出了巨大的应用潜力。在上个月，实在智能宣布了实在Agent在金融、零售电商、运营商以及制造等行业的应用案例，拿零售电商高频使用的业务场景“数据监控”来看。
如图所示，对于普通运营者来说，通过一句话搭建一个AI Agent，执行自动化任务的门槛几乎为零。
这是实在Agent和其他AI Agent智能体最本质的差异：无需API，有ISSUT（智能屏幕语义理解技术）+RPA来支撑AI Agent的感知和行动，有丰富的行业应用支撑AI Agent贴合业务场景。
值得一提的是，实在Agent可以与企业现有第三方大模型结合，实现轻松调用；也可以直接集成到企业自动化平台或是运营平台，以达到在人力成本不增加的情况下帮助企业提效。在数据隐私方面，实在智能成为国内第一个也是唯一一家上榜Gartner《Capitalize on the Need for Data Privacy Solutions for GenAI（充分利用对GenAI数据隐私解决方案的需求）》的厂商。
从AI行业角度来看，尽管AI Agent应用仍然处于早期发展阶段，但中国市场的多样性为AI Agent提供了丰富的应用场景和数据资源，国内AI企业可以充分利用这些天然优势，开发出更加符合本土市场需求的AI Agent产品。
历史文章推荐
“
1
“
2
“
3
