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。
相關文章
DeepMind執行長哈西里斯:我每天睡六個小時,通常在凌晨1點左右感到精力充沛。
Fortune 最近刊登了對谷歌 DeepMind 執行長 Demis Hassabis 的採訪,揭示了他對休息和生產力的非傳統方法。Hassabis 透露,他睡眠時間非常少,將清醒時間劃分為兩個不同的工作階段。關於他的睡眠習慣,Hassabis 表示:“我目標睡六小時,但我的習慣非同尋常。我可以在白天有效運作。”他強調,睡眠少於六小時會對大腦健康產生負面影響。Hassabis 於 2010 年聯合創立了 DeepMind(後被谷歌收購),並因其在蛋白質結構預測方面的開創性工作榮獲 20
儘管營收未達預期,OpenAI 與 Anthropic 仍爭奪市場份額
儘管近期有報導指出 OpenAI 未達營收目標,導致本週二科技股承壓,但私人人工智慧實驗室的投資者仍展現出韌性。資深投資者已確認,儘管媒體報導負面,他們仍不會削減投資。分析師認為當前的 AI 競逐仍處於初期階段,因此排除「贏家通吃」的結果。儘管高昂的運算成本對營收造成壓力,但各實驗室可透過調高訂閱費來提升獲利能力。產業格局正經歷微妙的變化與 OpenAI 不同,競爭對手 Anthropic 獲得了
加州自動駕駛合規:罰單、地理圍欄與 100 萬英里的新時代
Guident 在南佛羅里達州營運一輛 AuveTech 接駁車,並運用其遠端監控技術,管理西棕櫚灘的一條四英里路線以及博卡拉頓的一條一英里路線。| 圖片來源:Guident加州正重新定義無人駕駛車輛的監管格局,從科技產業的「快速行動、打破常規」心態,轉向嚴格的問責制與嚴謹的行駛里程要求。Guident 執行董事長兼執行長哈羅德·布勞恩(Harold Braun)在《機器人報告》(The Robo
相關專題推薦
評論 (8)
0/500
Haha, the 'crawl, walk, run' analogy is classic but makes sense for AI agents too. I've seen companies jump straight to 'run' and burn out. 😅
記事読んでなるほどと思った。AIエージェントってすぐ万能ツール扱いしがちだけど、焦らず段階的に導入するのが重要だよね。うちの会社でもデロイトのレポートみたいな現実的な話を聞きたい…🤔 でも個人的には、人間とAIがどのように役割分担するかが一番気になる。人間味のない業務ばかり任せちゃうと、かえって現場が疲弊しそうで不安。
Super intrigued by multi-agent AI systems! The productivity boost sounds unreal, but I’m wondering how organizations handle the ethical side of things. Anyone else curious about the risks? 😅
Adoro a ideia de sistemas de IA multi-agentes, mas a curva de aprendizado é íngreme! É como tentar correr antes de aprender a andar. O relatório da Deloitte foi uma boa leitura, mas gostaria de ver mais exemplos práticos. Ainda assim, é um começo promissor! 🤖📚
멀티 에이전트 AI 시스템의 아이디어는 좋지만, 학습 곡선이 가파릅니다! 걷기 전에 달리려는 것 같아요. 델로이트 보고서는 좋았지만, 더 실용적인 예시가 있었으면 좋겠어요. 그래도 promising한 시작입니다! 🤖📚

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。
DeepMind執行長哈西里斯:我每天睡六個小時,通常在凌晨1點左右感到精力充沛。
Fortune 最近刊登了對谷歌 DeepMind 執行長 Demis Hassabis 的採訪,揭示了他對休息和生產力的非傳統方法。Hassabis 透露,他睡眠時間非常少,將清醒時間劃分為兩個不同的工作階段。關於他的睡眠習慣,Hassabis 表示:“我目標睡六小時,但我的習慣非同尋常。我可以在白天有效運作。”他強調,睡眠少於六小時會對大腦健康產生負面影響。Hassabis 於 2010 年聯合創立了 DeepMind(後被谷歌收購),並因其在蛋白質結構預測方面的開創性工作榮獲 20
儘管營收未達預期,OpenAI 與 Anthropic 仍爭奪市場份額
儘管近期有報導指出 OpenAI 未達營收目標,導致本週二科技股承壓,但私人人工智慧實驗室的投資者仍展現出韌性。資深投資者已確認,儘管媒體報導負面,他們仍不會削減投資。分析師認為當前的 AI 競逐仍處於初期階段,因此排除「贏家通吃」的結果。儘管高昂的運算成本對營收造成壓力,但各實驗室可透過調高訂閱費來提升獲利能力。產業格局正經歷微妙的變化與 OpenAI 不同,競爭對手 Anthropic 獲得了
Haha, the 'crawl, walk, run' analogy is classic but makes sense for AI agents too. I've seen companies jump straight to 'run' and burn out. 😅
記事読んでなるほどと思った。AIエージェントってすぐ万能ツール扱いしがちだけど、焦らず段階的に導入するのが重要だよね。うちの会社でもデロイトのレポートみたいな現実的な話を聞きたい…🤔 でも個人的には、人間とAIがどのように役割分担するかが一番気になる。人間味のない業務ばかり任せちゃうと、かえって現場が疲弊しそうで不安。
Super intrigued by multi-agent AI systems! The productivity boost sounds unreal, but I’m wondering how organizations handle the ethical side of things. Anyone else curious about the risks? 😅
Adoro a ideia de sistemas de IA multi-agentes, mas a curva de aprendizado é íngreme! É como tentar correr antes de aprender a andar. O relatório da Deloitte foi uma boa leitura, mas gostaria de ver mais exemplos práticos. Ainda assim, é um começo promissor! 🤖📚
멀티 에이전트 AI 시스템의 아이디어는 좋지만, 학습 곡선이 가파릅니다! 걷기 전에 달리려는 것 같아요. 델로이트 보고서는 좋았지만, 더 실용적인 예시가 있었으면 좋겠어요. 그래도 promising한 시작입니다! 🤖📚





首頁






