代理型人工智能正通過自適應(yīng)、自主的智能體重新定義企業(yè)自動(dòng)化。但成功的關(guān)鍵在于編排、監(jiān)督以及文化層面的準(zhǔn)備就緒。
圖源：iStock
“agent/代理、智能體”一詞源自拉丁語中的“agere”或“agens”，意思是在得到另一方授權(quán)后能夠產(chǎn)生某種效果的事物。在軟件領(lǐng)域，智能體通常指代表用戶或其他計(jì)算機(jī)程序運(yùn)行的程序。這一概念源自20世紀(jì)70年代的一種并發(fā)計(jì)算模型。隨著人工智能的出現(xiàn)，智能體還具備了諸如基本推理、自主性和協(xié)作性等額外特性。
在過去的幾十年中，基于軟件的自動(dòng)化技術(shù)隨著機(jī)器人技術(shù)和人工智能的進(jìn)步而不斷發(fā)展。企業(yè)逐漸采用了新的自動(dòng)化范式——從簡(jiǎn)單的腳本和機(jī)器人程序到robotic process automation/RPA（機(jī)器人流程自動(dòng)化）以及基于云的自動(dòng)化平臺(tái)。
如今，代理型人工智能——即具備自主性、適應(yīng)性和推理能力的軟件智能體——代表了該領(lǐng)域的前沿技術(shù)。然而，正如我們稍后將討論的，現(xiàn)實(shí)世界中的應(yīng)用情況仍然參差不齊。一些企業(yè)正在小規(guī)模試點(diǎn)“人工智能助手”原型，而另一些企業(yè)則在努力應(yīng)對(duì)如何在多樣化且復(fù)雜的業(yè)務(wù)流程中編排多個(gè)智能體的問題。最近出現(xiàn)的智能代理協(xié)議框架，如Anthropic公司的model context protocol/MCP（模型上下文協(xié)議）和谷歌的agent to agentA2A/（智能體到智能體）協(xié)議，正試圖解決互操作性和集成功能問題，這為人工智能技術(shù)棧增添了新的層次。
本文將通過三個(gè)關(guān)鍵主題探討了代理型人工智能在企業(yè)中的興起：
1.真正的智能代理系統(tǒng)的核心特性。
2.設(shè)計(jì)半自主且強(qiáng)大的人工智能智能體所面臨的挑戰(zhàn)與解決方案。
3.將代理型人工智能集成到現(xiàn)有企業(yè)環(huán)境中的實(shí)用路徑，尤其是那些受合規(guī)性或遺留系統(tǒng)限制的環(huán)境。
我們首先概述代理型人工智能的基本特征，包括Carnegie Mellon University（卡內(nèi)基梅隆大學(xué)）研究人員最初提出的智能體特征集。然后我們將探討設(shè)計(jì)和編排策略，討論人工監(jiān)督和治理問題，并列舉實(shí)際案例來說明部署和擴(kuò)展方法。
一、定義代理型人工智能（智能體）
代理型人工智能不僅僅是使用提示或簡(jiǎn)單的聊天機(jī)器人。在當(dāng)前的人工智能時(shí)代，隨著LLM（大型語言模型）的出現(xiàn)，以及最近的LRM（大型推理模型），人工智能智能體具有了更廣泛的含義和應(yīng)用。與執(zhí)行預(yù)定義指令的傳統(tǒng)軟件不同，智能代理系統(tǒng)能夠基于推理做出適應(yīng)性、自主性的決策。它們不僅僅是為了實(shí)現(xiàn)特定目標(biāo)而行動(dòng)的軟件實(shí)體。
代理型人工智能與早期解決方案的關(guān)鍵區(qū)別在于，它們除了具備基本推理和自主性之外，還能夠進(jìn)行適應(yīng)性、自主性的決策，而不是像人工智能出現(xiàn)之前的智能體那樣嚴(yán)格基于規(guī)則或由人類直接指導(dǎo)行動(dòng)。
1.代理型人工智能的八大支柱
卡內(nèi)基梅隆大學(xué)的研究人員曾提出了一組智能體應(yīng)具備的理想特性，因?yàn)檫@些特性能夠增強(qiáng)智能體在復(fù)雜環(huán)境中有效導(dǎo)航和輔助決策的能力。
任務(wù)驅(qū)動(dòng)：智能體圍繞明確的、由人類設(shè)定的目標(biāo)來定位自身行動(dòng)，例如“優(yōu)化庫存水平”或“自動(dòng)核對(duì)月度財(cái)務(wù)報(bào)表”。
具備網(wǎng)絡(luò)連接能力：智能體與數(shù)據(jù)庫、APIs以及其他智能體進(jìn)行交互，成為分布式系統(tǒng)的一部分。
半自主性：雖然智能體能夠自行發(fā)起行動(dòng)，但通常需要人類設(shè)定的約束條件以及人類的監(jiān)督審批，在受監(jiān)管或高風(fēng)險(xiǎn)的工作流程中尤其如此。
持久性：智能體能夠長(zhǎng)期持續(xù)運(yùn)行，而非僅針對(duì)單個(gè)請(qǐng)求和行動(dòng)存在。這種持久性是其能夠監(jiān)測(cè)變化并在無需反復(fù)干預(yù)的情況下持續(xù)運(yùn)行的基礎(chǔ)。
可靠性：智能體應(yīng)能可靠地滿足用戶需求，從而贏得用戶對(duì)其性能的信任。
主動(dòng)性：除了被動(dòng)處理查詢外，智能代理系統(tǒng)應(yīng)能夠監(jiān)測(cè)其所處環(huán)境，并主動(dòng)發(fā)起行動(dòng)、發(fā)出警報(bào)或推薦下一步行動(dòng)，即便在未收到人類提示的情況下也能如此。
協(xié)作性：智能體被設(shè)計(jì)為能夠協(xié)同工作，可以與其他智能體或人類協(xié)作，協(xié)調(diào)諸如數(shù)據(jù)共享、沖突解決、流程交接和共識(shí)決策等活動(dòng)。智能體應(yīng)不斷從其所處環(huán)境中獲取知識(shí)。
適應(yīng)性與前瞻性：智能體可以利用新數(shù)據(jù)或新來源優(yōu)化自身策略或模型，以提高準(zhǔn)確性、效率或?qū)崿F(xiàn)其他用戶目標(biāo)，包括那些最初可能未明確提出的目標(biāo)。
二、企業(yè)設(shè)計(jì)與部署
在企業(yè)中應(yīng)用代理型人工智能，從一開始就需要應(yīng)對(duì)一系列架構(gòu)和運(yùn)營(yíng)方面的挑戰(zhàn)。雖然智能體有望帶來變革性價(jià)值，但它們也會(huì)引入復(fù)雜性和風(fēng)險(xiǎn)，必須通過精心設(shè)計(jì)來降低這些風(fēng)險(xiǎn)。
我們將強(qiáng)調(diào)智能代理系統(tǒng)的風(fēng)險(xiǎn)和復(fù)雜性，并給出相應(yīng)建議。
在軟件抽象中，組件往往會(huì)帶來復(fù)雜性，無論是云端的微服務(wù)，還是RPA中“過多的機(jī)器人程序” 都是如此。人工智能智能體引入了更為復(fù)雜的交互和協(xié)調(diào)層面。企業(yè)可能擁有各種各樣面向用戶的通用或?qū)Ｓ弥悄荏w，甚至還包括面向開發(fā)者的智能體即服務(wù)這一類別。在諸如MCP和A2A這樣的智能代理協(xié)議框架中，已經(jīng)出現(xiàn)了這種功能的某種形式。這些框架與中間件類似，它們?yōu)楣ぷ髁鞒烫峁┝藰?biāo)準(zhǔn)化的通信和集成方式，以及可重復(fù)使用的組件。
在過去幾十年里，企業(yè)軟件受益于分布式計(jì)算中不斷發(fā)展的軟件抽象層次。然而，這些框架也給遺留企業(yè)系統(tǒng)的集成和兼容性帶來了挑戰(zhàn)，就如同中間件所面臨的情況一樣（即一種復(fù)雜性權(quán)衡）。這種復(fù)雜性，再加上風(fēng)險(xiǎn)和安全方面的挑戰(zhàn)，要求我們謹(jǐn)慎對(duì)待，并從多個(gè)維度設(shè)計(jì)防范措施。
1.智能體基礎(chǔ)設(shè)施
對(duì)智能體部署的濃厚興趣促使我們重新思考智能體基礎(chǔ)設(shè)施的構(gòu)建方式。在當(dāng)前人工智能時(shí)代早期，智能代理應(yīng)用更多是自行搭建，但企業(yè)軟件的需求需要多層基礎(chǔ)設(shè)施，以便可靠且大規(guī)模地構(gòu)建和部署智能代理工作流程。一個(gè)典型的智能體基礎(chǔ)設(shè)施應(yīng)是一個(gè)分層架構(gòu)，包括：
基礎(chǔ)平臺(tái)：基礎(chǔ)模型、多智能體框架和可觀測(cè)性層。
編排層：用于路由、智能體協(xié)調(diào)、狀態(tài)持久化和任務(wù)管理的系統(tǒng)。
數(shù)據(jù)服務(wù)：特定于模型存儲(chǔ)、數(shù)據(jù)提取、ETL（提取、轉(zhuǎn)換、加載）等功能。
工具：瀏覽器自動(dòng)化、用戶界面集成、服務(wù)發(fā)現(xiàn)安全模塊。
智能代理協(xié)議的使用：在智能體間通信和交互中，命名、發(fā)現(xiàn)、標(biāo)準(zhǔn)等方面必須有明確的定義。
我們將簡(jiǎn)要提及編排問題，然后重點(diǎn)關(guān)注所需的風(fēng)險(xiǎn)和安全防范措施。
2.智能體編排
編排對(duì)于管理眾多智能體之間的協(xié)調(diào)至關(guān)重要。常見的架構(gòu)包括：
分層架構(gòu)（中心輻射式）：由一個(gè)“主” 智能體或監(jiān)督智能體進(jìn)行集中控制。
分布式架構(gòu)（對(duì)等網(wǎng)絡(luò)式）：智能體通過共享協(xié)議進(jìn)行發(fā)現(xiàn)和協(xié)調(diào)。
混合模型：大多數(shù)企業(yè)需要將這兩種方法結(jié)合使用。
3.風(fēng)險(xiǎn)與安全
任何由人工智能增強(qiáng)的自動(dòng)化都可能面臨數(shù)據(jù)誤解、偏差、邏輯缺陷、過度自信的推測(cè)（統(tǒng)稱為“hallucination/幻覺”）等風(fēng)險(xiǎn)，以及時(shí)間和上下文錯(cuò)誤，還有諸如模型或提示投毒以及傳統(tǒng)網(wǎng)絡(luò)攻擊等惡意行為。
此外，在監(jiān)管嚴(yán)格的環(huán)境中，諸如醫(yī)療保健領(lǐng)域的HIPAA（《健康保險(xiǎn)流通與責(zé)任法案》）、金融領(lǐng)域的SOX（《薩班斯-奧克斯利法案》）的情況下，企業(yè)要求具備可追溯性并保留審計(jì)線索。自主收集數(shù)據(jù)并據(jù)此采取行動(dòng)的人工智能智能體，必須為每一項(xiàng)決策留下數(shù)字足跡：
可追溯的決策日志：如果智能體拒絕一張發(fā)票或標(biāo)記一項(xiàng)可疑索賠，日志應(yīng)說明其采取該行動(dòng)的原因（決策推理邏輯的透明度）。
可控授權(quán)：在將低風(fēng)險(xiǎn)活動(dòng)自動(dòng)化交給智能體處理的同時(shí)，確保人類對(duì)高風(fēng)險(xiǎn)決策的控制權(quán)。
斷路器機(jī)制：防止智能體在未經(jīng)核實(shí)的情況下做出關(guān)鍵決策。
持續(xù)監(jiān)控與強(qiáng)大的錯(cuò)誤處理能力：包括在檢測(cè)到問題時(shí)進(jìn)行補(bǔ)償性調(diào)整，或通過人工監(jiān)督來實(shí)現(xiàn)。
數(shù)據(jù)治理：實(shí)施訪問控制、匿名化策略和安全港措施，即便智能體交叉引用多個(gè)數(shù)據(jù)源時(shí)，也能確保合規(guī)性。
4.智能體監(jiān)督——人工介入
雖然更高的自主性可以減少人工工作，但這也引發(fā)了關(guān)于安全性、可靠性和道德監(jiān)督的問題。如果僅在特殊情況下才要求人類進(jìn)行干預(yù)，那么當(dāng)最終警報(bào)響起時(shí)，他們可能缺乏背景信息。在關(guān)鍵基礎(chǔ)設(shè)施場(chǎng)景中，情境轉(zhuǎn)換時(shí)倉(cāng)促的人工干預(yù)可能會(huì)帶來很大風(fēng)險(xiǎn)。
解決這一問題的策略包括：
定期“檢查點(diǎn)”與設(shè)置人為干預(yù)環(huán)節(jié)：智能體在特定的關(guān)鍵節(jié)點(diǎn)暫停，以供人類審查，在金融或醫(yī)療保健等高風(fēng)險(xiǎn)領(lǐng)域，涉及弱勢(shì)群體的情況下尤其如此。在這些高風(fēng)險(xiǎn)用例中，還可以插入額外的驗(yàn)證步驟。
保持操作員的參與度：工作的流暢性對(duì)于人類參與至關(guān)重要。僅靠?jī)x表盤或通知讓操作員了解正在進(jìn)行的任務(wù)，即便無需他們干預(yù)，可能也不夠。還需要通過培訓(xùn)和模擬場(chǎng)景來增強(qiáng)他們?cè)谌藱C(jī)混合工作流程中的技能、興趣和專注力。
培訓(xùn)與文化意識(shí)培養(yǎng)：需要制定協(xié)議，對(duì)人類操作員進(jìn)行定期培訓(xùn)，使其了解最新的人工智能知識(shí)和技能，將他們的反饋納入錯(cuò)誤處理機(jī)制，并讓他們清楚了解系統(tǒng)的局限性，以免操作員過度放棄自身的控制權(quán)。
三、用例和早期經(jīng)驗(yàn)教訓(xùn)
以下這些示例展示了代理型人工智能在哪些情況下可以實(shí)現(xiàn)工作流程自動(dòng)化并輔助人力工作。
1.電網(wǎng)負(fù)荷平衡
場(chǎng)景：智能體實(shí)時(shí)監(jiān)測(cè)多個(gè)州的電力需求、可再生能源輸入和電網(wǎng)穩(wěn)定性。
成果：通過自動(dòng)負(fù)載分配和預(yù)測(cè)性維護(hù)，提高電網(wǎng)效率，減少停電次數(shù)并節(jié)省成本。
2.文檔核對(duì)和處理
場(chǎng)景：智能體從多個(gè)ERP（）企業(yè)資源規(guī)劃系統(tǒng)中獲取數(shù)據(jù)，主動(dòng)識(shí)別數(shù)據(jù)不匹配之處，并能夠填寫表格和糾正錯(cuò)誤。只有在RAG（檢索增強(qiáng)生成）審查無法解決問題時(shí)，人類才會(huì)介入。
成果：各機(jī)構(gòu)通常能夠看到更快的結(jié)案率和更少的人工錯(cuò)誤，不過該智能體必須與多個(gè)數(shù)據(jù)平臺(tái)集成。
3.客戶支持和工單解決
場(chǎng)景：智能體對(duì)收到的咨詢進(jìn)行分類，根據(jù)現(xiàn)有的和不斷完善的知識(shí)庫進(jìn)行分析，并將復(fù)雜案例轉(zhuǎn)交給專業(yè)的人工客服。隨著時(shí)間推移，智能體從已解決的工單中學(xué)習(xí)，以提高轉(zhuǎn)接的準(zhǔn)確性。
成果：實(shí)現(xiàn)更快的響應(yīng)時(shí)間、更高的解決率和客戶滿意度指標(biāo)——前提是針對(duì)不確定的咨詢有可靠的備用方案。
4.供應(yīng)鏈中的運(yùn)營(yíng)監(jiān)控
場(chǎng)景：智能體監(jiān)測(cè)貨運(yùn)數(shù)據(jù)，預(yù)測(cè)潛在的干擾因素（如天氣事件、供應(yīng)商延遲），并主動(dòng)通知管理人員。
成果：減少停機(jī)時(shí)間，更靈活地重新安排計(jì)劃，在涉及重新規(guī)劃路線或更換供應(yīng)商的最終決策時(shí)，有人工參與介入。
四、關(guān)鍵觀察
在上述所有示例中，設(shè)置防范措施、進(jìn)行監(jiān)督以及發(fā)揮人類判斷力的必要性十分明顯。編排環(huán)節(jié)存在的差距所帶來的風(fēng)險(xiǎn)，可能會(huì)導(dǎo)致相互矛盾或錯(cuò)誤的結(jié)果。正如谷歌旗下DeepMind的Demis Hassibis（戴密斯·哈薩比斯）近期反復(fù)強(qiáng)調(diào)的，在一個(gè)復(fù)雜的編排流程中，多個(gè)智能體經(jīng)過多個(gè)步驟運(yùn)行時(shí)，即使模型中存在微小的錯(cuò)誤率，也可能迅速累積放大。人工參與這個(gè)過程至關(guān)重要，然而，如果不了解人類的認(rèn)知負(fù)荷，我們就會(huì)使人類處于容易導(dǎo)致人機(jī)協(xié)作出錯(cuò)的環(huán)境中。最后，文化接受度對(duì)于任何自動(dòng)化而言都至關(guān)重要，智能代理人工智能也不例外。如果員工不接受，且對(duì)失業(yè)的擔(dān)憂沒有得到解決，那么組織拒絕采用這項(xiàng)技術(shù)的風(fēng)險(xiǎn)可能會(huì)很大。
五、挑戰(zhàn)與未來發(fā)展方向
盡管小型概念驗(yàn)證項(xiàng)目看似前景樂觀，但真正在企業(yè)范圍內(nèi)進(jìn)行部署，需要強(qiáng)大的基礎(chǔ)設(shè)施、標(biāo)準(zhǔn)化的工具包以及廣泛的用戶培訓(xùn)。重要的是，要認(rèn)識(shí)到智能體具有非確定性的本質(zhì)，它們可能采取不同的行動(dòng)路徑，這與傳統(tǒng)基于規(guī)則的軟件有所不同。糾正和改進(jìn)智能代理的行為需要利用經(jīng)過優(yōu)化的數(shù)據(jù)進(jìn)行多次迭代。此外，智能體基礎(chǔ)設(shè)施還需要融入軟件生命周期管理、版本控制、內(nèi)置學(xué)習(xí)等實(shí)踐，并明確制定治理和合規(guī)規(guī)則（特別是在受監(jiān)管行業(yè)的應(yīng)用中）。
當(dāng)前的大語言（和推理）模型在模式匹配方面表現(xiàn)出色，但在處理邏輯或領(lǐng)域約束時(shí)可能會(huì)遇到困難。一種神經(jīng)-符號(hào)混合模型——即通過一個(gè)符號(hào)推理模塊來執(zhí)行規(guī)則或知識(shí)圖譜——可以在利用神經(jīng)網(wǎng)絡(luò)模型適應(yīng)性優(yōu)勢(shì)的同時(shí)，提高智能體的可靠性。隨著目前所欠缺的真正推理能力的發(fā)展，基于LLM/LRM（大語言模型/大推理模型）的智能代理系統(tǒng)將表現(xiàn)得更好。
目前，我們已經(jīng)看到了設(shè)立監(jiān)督委員會(huì)以及圍繞“可信人工智能”制定新準(zhǔn)則的呼聲。在醫(yī)療保健或金融等行業(yè)，企業(yè)必須接受更嚴(yán)格的外部審計(jì)，這要求做到：
模型的透明度、可追溯性和可解釋性：智能體為何提出這一建議？它能否記錄并解釋決策過程，并在受監(jiān)管的用例中接受控制測(cè)試？
基于合規(guī)性的故障安全機(jī)制：如果異常情況超過預(yù)先設(shè)定的閾值，立即進(jìn)行人工審查。
開展審計(jì)：明確控制措施，進(jìn)行持續(xù)測(cè)試。
建立智能體責(zé)任框架：明確責(zé)任歸屬，包括為智能體購(gòu)買潛在保險(xiǎn)。
制定智能體框架的道德與合規(guī)準(zhǔn)則。
制定智能體框架的質(zhì)量保證標(biāo)準(zhǔn)和測(cè)試：包括基于場(chǎng)景的壓力測(cè)試，類似于銀行在監(jiān)管檢查中必須進(jìn)行的測(cè)試。
六、培養(yǎng)就緒文化
代理型人工智能代表了企業(yè)自動(dòng)化領(lǐng)域的一次變革性飛躍，其具備的能力超越了諸如RPA（機(jī)器人流程自動(dòng)化）等傳統(tǒng)基于規(guī)則的系統(tǒng)。在簡(jiǎn)單的規(guī)則驅(qū)動(dòng)用例和真正的自主智能應(yīng)用之間，商業(yè)領(lǐng)域存在著眾多的應(yīng)用場(chǎng)景。然而，成功部署不僅僅取決于先進(jìn)的人工智能模型和智能體框架。企業(yè)必須培育一種就緒文化，其特點(diǎn)是樂于接受變革、擁有穩(wěn)健的流程以及平衡的風(fēng)險(xiǎn)管理方法。通過精心整合智能代理人工智能，企業(yè)可以在保持道德和負(fù)責(zé)任治理的同時(shí)，釋放新的效率和創(chuàng)新潛力。建議企業(yè)關(guān)注并落實(shí)以下方面：
強(qiáng)大的編排能力：通過建立全面的編排層來管理交互，避免“智能體蔓延”。部署“監(jiān)督”智能體，確保無縫協(xié)調(diào)，并保持人工監(jiān)督，以降低與自主決策相關(guān)的風(fēng)險(xiǎn)。
自適應(yīng)安全和數(shù)據(jù)治理：隨著智能體對(duì)敏感數(shù)據(jù)擁有更多自主權(quán)，諸如完善的審計(jì)跟蹤、安全訪問控制和持續(xù)合規(guī)檢查等嚴(yán)格措施對(duì)于確保符合法規(guī)要求至關(guān)重要。
人工監(jiān)督與參與：人類必須始終是整個(gè)過程不可或缺的一部分，這不僅是出于道德或法規(guī)方面的考慮，也是為了防止技能退化并確保責(zé)任落實(shí)。
迭代擴(kuò)展：從有限的試點(diǎn)項(xiàng)目開始，仔細(xì)衡量成果后再進(jìn)行擴(kuò)展。這種方法可以降低風(fēng)險(xiǎn)，并促進(jìn)利益相關(guān)者的支持。
制定明確準(zhǔn)則的道德與合規(guī)框架。
行業(yè)標(biāo)準(zhǔn)：不僅涉及數(shù)據(jù)治理和安全，還包括智能代理能力和集成協(xié)議。
最終，代理型人工智能的成功取決于一種平衡的方法，即將創(chuàng)新與靈活性融入代理型人工智能，同時(shí)兼顧組織的就緒程度——包括文化、流程和風(fēng)險(xiǎn)承受能力。通過滿足這些基本要求，企業(yè)能夠挖掘這個(gè)新自動(dòng)化時(shí)代的轉(zhuǎn)型潛力，實(shí)現(xiàn)強(qiáng)大且負(fù)責(zé)任的治理。
作者：Shail Khiyara（沙伊爾·基雅拉）
Shail Khiyara（沙伊爾·基雅拉）是全球公認(rèn)的人工智能和智能自動(dòng)化領(lǐng)域的思想領(lǐng)袖、作家及主旨演講人。他的見解曾在《Forbes/福布斯》、《WSJ Digital/華爾街日?qǐng)?bào)》數(shù)字版、《Financial Times/金融時(shí)報(bào)》和《CIO/首席信息官》等媒體上發(fā)表。他在多家人工智能公司擔(dān)任董事會(huì)成員，還是一些具有社會(huì)責(zé)任感的非營(yíng)利企業(yè)的高級(jí)顧問。擁有二十多年行業(yè)經(jīng)驗(yàn)的沙伊爾，曾領(lǐng)導(dǎo)多個(gè)行業(yè)基于人工智能的轉(zhuǎn)型項(xiàng)目，在多家領(lǐng)先的智能自動(dòng)化公司擔(dān)任首席營(yíng)銷官和首席客戶官，目前是SWARM Engineering公司的首席執(zhí)行官。該公司的智能代理人工智能平臺(tái)正在變革工業(yè)運(yùn)營(yíng)模式。他與人合著了《Intelligent Automation?–?Bridging the Gap between Business & Academia/智能自動(dòng)化——彌合商業(yè)與學(xué)術(shù)界的差距》，最近還出版了亞馬遜暢銷書《Agentic AI in the Enterprise: Orchestration, Oversight and Practical Pathways to Value/企業(yè)中的智能代理人工智能：編排、監(jiān)督與實(shí)現(xiàn)價(jià)值的實(shí)用路徑》。基雅拉還是VOCAL（人工智能與自動(dòng)化領(lǐng)域的客戶之聲）的創(chuàng)始人，這是一個(gè)匯聚了90多位財(cái)富500強(qiáng)企業(yè)領(lǐng)袖的全球智囊團(tuán)，旨在加速人工智能的應(yīng)用。作為人工智能普及的熱情倡導(dǎo)者，他支持能夠增強(qiáng)人類潛能、促進(jìn)協(xié)作并推動(dòng)變革的人工智能技術(shù)，而不是取代人類智慧的人工智能。
譯者：寶藍(lán)
【睿觀：代理型人工智能正通過自主、適應(yīng)性智能體革新企業(yè)自動(dòng)化。然而，要成功釋放其價(jià)值，關(guān)鍵在于有效的智能體編排、嚴(yán)格的人工監(jiān)督與治理，以及組織層面的文化就緒。因此，企業(yè)必須審慎設(shè)計(jì)、迭代部署并培育接納文化，方能在確保合規(guī)與安全的前提下，駕馭這一變革性技術(shù)。
金句：
代理型人工智能的成功，在于創(chuàng)新賦能與審慎治理的動(dòng)態(tài)平衡。】
