專家建議爬行，然後步行，然後與AI代理商一起跑步

歡迎體驗多代理人工智慧系統時代，其提升個人與專業生產力的潛力無窮。然而，將這些先進的生成式人工智慧（Gen AI）工具整合進您的組織並非易事。根據德勤最近的報告，對自主代理開發的興趣正在上升，26%的組織正在探索這一領域。超過半數（52%）的高階主管熱衷於開發具有代理能力的AI，45%則希望擴展到多代理系統。儘管這些系統充滿潛力，但它們並非解決所有挑戰的萬能藥。

報告指出，具有代理能力的AI能通過自主達成目標、減少人工干預，顯著提升可持續商業價值的創造。然而，報告也提到，生成式AI面臨的障礙—如監管不確定性、風險管理、數據不足和勞動力問題—在代理系統中因其複雜性增加而被放大。

德勤諮詢的AI負責人Jim Rowan強調，與主要回應輸入的傳統機器人不同，具有代理能力的AI能計劃、優先排序任務並執行複雜工作流程，且幾乎無需人工監督。然而，他也警告說，實施這些系統可能成本高昂，強調了強大數據基礎設施的重要性，包括可擴展的雲平台、先進的數據分析工具和強大的網路安全措施。

對於希望採用AI代理的組織來說，簡單起步是關鍵。賓夕法尼亞大學教授Benjamin Lee建議，已將生成式AI用於簡單任務的公司處於有利位置，能夠充分利用具有代理能力的AI。這些組織的員工已習慣將複雜任務分解為更簡單的任務供AI處理，從而實現了生產力提升。

Rowan建議採取分階段方法—從試點計畫開始，在受控環境中測試多代理系統。他將AI的當前狀態比喻為幼兒，而具有代理能力的AI則更進階，類似於青少年—功能完善且能執行特定功能。

為了進一步整合AI代理，組織應鼓勵使用生成式AI處理簡單任務，並制定策略將複雜任務分解為可管理的部分。這種方法將使智能代理的生產力提升變得透明、易懂且值得信賴。

Rowan還主張使用較小型語言模型，而非主導生成式AI領域的大型模型。這些較小型模型在供應鏈管理、軟體開發和財務分析等多種角色中可能更有效。Lee同意這一觀點，指出智能代理能將複雜任務分解為更簡單的任務，並使用專業模型將結果整合為一致的回應。

高品質數據對於AI代理的有效運作至關重要。不準確、不完整或不一致的數據可能導致不可靠的輸出和行動，帶來採用和風險挑戰。因此，投資於強大的數據管理和知識建模至關重要。

勞動力技能提升是另一個關鍵領域，Rowan強調需要培訓技術技能以及與AI代理協作的能力。準備充分的勞動力對於充分實現AI代理的潛力至關重要。

持續監控和改進AI代理的性能也是必要的。這包括收集和分析性能數據，找出需要改進的領域，並進行調整以優化性能。

從政策角度來看，公司必須建立關於使用具有代理能力的AI的明確指導方針。Digital.ai的全球智能實務負責人Ben Sapp指出，確定誰可以使用具有代理能力的AI、其與其他代理互動的權限，以及系統互動或衝突時的決策層級非常重要。

Sapp舉了一個金融服務公司的例子，該公司使用AI模型預測變更失敗。根據失敗概率，人員可決定是否更深入審查變更或批准它。使用具有代理能力的AI，若失敗概率低於1%，系統可自動批准變更，無需人工干預，從而簡化流程。

總之，雖然具有代理能力的AI在提升生產力和創造可持續商業價值方面具有巨大潛力，但其成功實施需要仔細考慮技術、數據、勞動力和政策挑戰。