各企業正在部署不斷進步的技術，以協助軟件編程、創建高級商業智能以及自動化客戶支持和人力資源職能。

在過去一年中，智能體在GenAI帶來的熱潮逐漸退去、人們對不切實際的期望感到失望之后，或許成為了最受關注的技術。

智能體將GenAI更進一步，強調運營決策而非內容生成，這種對業務流程產生影響的潛力，使得Aflac、Atlantic Health System、Legendary Entertainment以及NASA的噴氣推進實驗室等企業已經開始采用智能體。

CRM領域的領導者Salesforce已經將智能體作為其戰略的核心，推出了Agentforce。IT服務管理巨頭ServiceNow也在其Now Platform上添加了智能體。微軟和其他公司也加入了這場競爭。

隨著智能體在眾多場景和平臺中的出現，對這項技術感興趣的企業可能會發現難以確定從哪里開始入手。據AI專家稱，到目前為止，已經有一些應用場景脫穎而出。

安永的全球創新AI官員Rodrigo Madanes表示，智能體將與ERP、CRM和商業智能系統無縫集成，以自動化工作流程、管理數據分析并生成有價值的報告，與過去的一些自動化技術不同，智能體能夠實時做出決策，使流程自動化成為其主要應用場景。

智能體可以自動化以前需要人工干預的重復性任務，如客戶服務、供應鏈管理和IT運營，這項技術的獨特之處在于它能夠適應不斷變化的條件，并在無需人工監督的情況下處理意外輸入。

以下是幾位AI專家所看到的智能體的九大頂級應用場景：

軟件開發

智能體有望將AI編碼助手轉變為更智能的軟件開發工具，能夠編寫大量代碼。盡管到目前為止，編碼助手收到了褒貶不一的評價，但分析公司Gartner預測，在三年內，更智能的智能體將編寫大部分代碼，導致大多數軟件工程師需要重新技能培訓。

數字轉型咨詢公司PublicisSapient的執行副總裁兼首席產品官SheldonMonteiro表示，編碼智能體不僅將編寫代碼，還將有獨立的智能體來審查代碼中的錯誤。

隨著DevOps工具鏈已經自動化了工作流程，添加智能體是自然而然的發展，這些智能體可以自主地從代碼中逆向工程出規格說明，從規格說明中正向工程出測試用例和代碼，并批準符合特定閾值標準的制品，從而提高整體自動化水平。

許多企業，包括MITRE，已經釋放了智能體來協助編碼。據MITRE的CTO CharlesClancy稱，MITRE已經開發了自己的用于代碼管理的智能體。

最有效的應用場景似乎是在代碼倉庫管理中，智能體可以遍歷并修復代碼倉庫中的錯誤。

例如，10年前的源代碼在現代計算機上可能無法正常編譯。

智能體將下載它，嘗試構建它，如果無法運行，它將修復構建腳本和代碼(如有必要)，將代碼檢回倉庫，并標記這是由智能體完成的。

RPA的增強版

許多企業已經在多個領域使用RPA來自動化簡單和重復性的任務，智能體也可以自動化任務，但它們還能處理需要更高層次決策功能的更復雜問題。

借助AI，RPA從基于規則的行動轉變為可適應、自主的過程，顯著提高了業務運營的效率，新工具使企業能夠訓練智能體不僅執行RPA正在做的最簡單的任務，而且能夠理解異常邏輯何時也有效。

一些AI專家預測，智能體將承擔比RPA更復雜的任務，有時智能體將與RPA并肩工作，以實現新的自動化水平。

IBM MIT AI Lab的AI研究科學家ShaeKhan表示，許多企業很快將使用AI來增強，并在某些情況下取代傳統的RPA。智能體將用于處理需要決策能力的復雜和動態任務，而RPA將繼續用于重復性、基于規則的過程。

客戶支持自動化

企業長期以來一直使用簡單的聊天機器人和語音機器人來處理簡單的客戶服務請求，但智能體將使客戶支持自動化演變為更強大的服務，這種服務不僅僅回答幾個常見問題。

自主式AI擁有自主執行基于原因的多步任務的能力，這些任務是非確定性的，它擁有能夠在沒有人類指導的情況下處理非常復雜和適應性決策過程的能力。

這些客戶服務智能體將涵蓋各種行業和職能，包括零售、金融服務和IT服務臺幫助，而不是一個高度策劃的機器人，只能回答有限數量的問題，智能體將能夠理解并提供針對廣泛客戶需求的上下文相關答案。

例如，銀行客戶可以說：“從我賬戶中余額最多的賬戶中取錢，并轉入我的支票賬戶。”一個簡單的聊天機器人通常無法理解“余額最多的賬戶”是什么意思。

呈現的想法是擁有這種可以執行的操作目錄，并擁有一個足夠智能的AI，有一系列選項，可以選擇使用什么，而且防護措施將變得越來越復雜。

自動化企業工作流程

隨著ServiceNow、Salesforce和其他供應商采用智能體，企業工作流程將成為這項技術的重點應用領域，專家表示，這將使企業能夠通過自動化常規任務來簡化流程。

例如，一個智能體可以在沒有人工輸入的情況下將會議記錄轉換為項目票據，或者根據需求-供應預測觸發供應商訂單。

在業務中部署來自大型供應商的IT工具的企業，相較于使用可能需要通過API鏈接的各種解決方案的公司，將具有優勢。對于企業來說，整合所有數據并避免信息孤島將非常重要。

對于CIO來說，正在出現的問題是，你將委托誰來構建你的上下文存儲庫，即你對你的企業如何運作的深入了解?想想你對企業的所有了解。如果你的大型語言模型實際上知道你的企業如何運作的全部情況會怎樣?

網絡安全和威脅檢測

幾家網絡安全提供商已經部署了智能體來檢測和響應威脅。在網絡安全中，智能體式AI可以自主檢測、應對甚至緩解安全和欺詐威脅，近乎實時地減少對潛在攻擊的響應時間，并增強整體安全性。

此外，智能體可以根據特定的威脅和漏洞實現個性化的安全協議，這種智能體式自動化確保了更強大的防御機制。

智能體還可以通過自動化常規任務和安全響應來提高效率并節省成本。

提高生產力

全球律師事務所Avantia使用商業和開源的GenAI來為其智能體提供動力，這些智能體隨后作為伴侶駐留在MicrosoftWord或Outlook中，隨時準備執行任務。

關鍵挑戰是存在數百項可能無法很好地自動化的任務，而且它們并不適合SaaS解決方案，有太多分散的任務分散在太多地方。

業務好處是律師可以更快地完成合同流程，更快地響應客戶，并以比其他人更快的速度進行交易。

如果客戶要求進行交易或工作流程，而Outlook或Word正在打開，智能體可以訪問所有公司數據，而且因為這些是律師在文檔上工作，所以有他們通常做什么的歷史記錄。

另一家使用智能體來自動化業務流程的公司是金融服務和技術公司SS&C，該公司從其20000個客戶那里接收各種格式的文檔，包括電子郵件和PDF，該公司的高級常務董事兼自動化負責人Brian Halpin說。

SS&C需要每月處理數百萬份文檔，并且該公司有20個使用場景讓智能體與文檔進行交互。

該系統于2024年中期投入生產，并在11月處理了50000份文檔，而且將繼續增加處理量。

使用傳統自動化時，人類幾乎必須查看每一份文檔，但使用智能體時，自動化的比例在90%以上，只有一小部分文檔需要人工審查。

生成報告

撰寫文本和創建圖像是GenAI的最初兩個流行應用場景。現在，智能體可以加速內容創作過程。例如，安永在其第三方風險管理服務中使用智能體。

安永的主管Sinclair Schuller表示，“你雇傭我們來評估你引入的某個供應商，我們的風險評估師會進行這項工作，在一個供應商上花費長達50小時，仔細審查合同和其他文檔以產生一份指出我們觀察到的風險的報告。”

這就是過去的方式，直到GenAI出現。現在，人類專家可以增強由AI生成的報告。

“現在我們可以將所有合同和公開文檔輸入AI，它可以在幾分鐘內而不是幾天內生成一份具有極高準確性和細節的報告，AI加上人類專業知識是對質量的極大提升。”

現在，隨著智能體的出現，這個過程再次發生了變化。安永將發布一個由智能體驅動的過程版本，以評估供應商。“這將是對供應商的持續監控，這在以前是不可能的。”Schuller說。

“智能體不僅僅是關于優化應用場景，真正的價值在于市場的擴張和收入機會的增加。”

人力資源和員工支持

智能體的另一個相對低風險、高價值的應用場景是回答員工問題并代表他們處理簡單任務。事實上，1月份IBM的一項關于GenAI發展的調查得出結論，43%的公司使用智能體進行人力資源工作。

例如，全球數據服務公司Indicium在2024年中期開始部署智能體，當時這項技術開始成熟。

“你會開始看到現成的應用程序——既有開源的也有專有的——這使得構建它們變得更加容易。”該公司的首席數據官Daniel Avancini說。

這些智能體被用于使人力資源的工作更加輕松，包括內部知識檢索、標記和文檔記錄等任務，以及其他業務流程。

每個智能體都像一個微服務，專門處理一件特定的事情，而且它們都在一個多智能體系統中相互通信。

而且這些基于提示的對話可能會變得很奇特，棘手的是，GenAI可能會產生幻覺和所有其他問題，所以需要對模型進行大量調整，以確保它們不會做錯事或訪問錯誤的信息。

從積極的一面來看，智能體可以自主處理大量問題，從而創造另一個業務好處。“而且我們正在發現一些沒有正確記錄的東西，所以它幫助我們改進了流程。”Avancini補充道。

商業智能

智能體將在商業智能領域產生重大影響的另一個領域。盡管商業智能儀表板相對容易使用，但獲得超出標準類別的見解往往需要數據團隊的工作來提取，AI驅動的商業智能供應商Zenlytic的聯合創始人兼CEO Ryan Janssen說。

與商業智能解決方案配對的智能體可以讓更多員工訪問有用的分析。例如，商業智能的智能體可以為營銷團隊提供關于在哪里花費預算的建議，或者根據在餐巾紙上繪制的示例創建圖表。

理解語音輸入的智能體可以根據諸如“我們排名前三的營銷渠道是什么?”之類的口語化問題生成商業數據見解。

“這是一個非常自然的問題，但它是模糊的，”Janssen說，“你不能與聊天機器人做的是澄清這個模糊的問題。構建良好的智能體在遇到這種情況時會說，‘哦，等等，這個問題是模糊的;我需要使用一個工具來解決這個問題。’”

許多企業才剛剛開始他們的智能體式AI之旅，還有數百個應用場景有待發現，Janssen補充道。編碼智能體是一個早期應用場景，因為編程是細節驅動且耗時的，但現在編碼愛好者正在使用編碼助手構建應用程序。

“它們最適合應用的地方是當你有大量枯燥、耗時或需要大量注意力的工作時。”Janssen說。

當數十個智能體被串聯和企業起來時，企業將看到新的突破。

“我們還沒有觸及到智能體所能做的表面，”他說，“我們不知道一個企業將會是什么樣子，它們應該如何互動，以及應該如何治理，但我毫不懷疑，在接下來的幾年里，我們將弄清楚這些問題。”