当前位置: 首页 » 资讯 » 科技探索 » 正文

AI不会替代人,但人正成为智能体的助理

IP属地 江苏南通 编辑:朱天宇 新浪财经 时间:2025-06-05 01:01:32

作者/ IT时报记者 郝俊慧

编辑/ 郝俊慧 孙妍

2024年,被称为是“大语言模型(LLM)元年”,然而,2025年,聚光灯正迅速转向。

“毫无疑问,2025年是大模型智能体元年。”近日,Gartner研究副总裁孙志勇在接受包括《IT时报》在内的媒体采访时表示,智能体已成为全球最热门的科技话题,其热度甚至超越了炙手可热的大模型本身,一个由智能体驱动的商业模式创新时代正加速到来。

孙志勇认为,2025年标志着“大模型驱动的AI智能体元年”和“生成式AI的变现元年”。这一转变意味着从基础模型开发转向实际的、可创收的应用,而AI智能体正是LLM能力的主要“出口”。

Gartner预测,到2028年,人类可读的数字界面交互中将有20%由AI智能体完成,约15%的日常业务决策可由AI智能体自主完成,预计三分之一的企业级软件将集成AI智能体。

从“辅助”到“执行”的跃迁

到底什么是智能体?尽管智能体似乎已经成为2025年人人必谈的AI名词,但这个概念在市场中,显然仍有“泡沫”。

“智能体并非横空出世,严格意义上讲,世界上第一个智能体诞生于1960年。”孙志勇指出,“之所以现在智能体突然爆火,是因为大模型智能体,也就是大模型驱动的智能体,让智能体变得更加聪明了”。

对于大模型智能体,Gartner给出一个清晰的定义:基于AI技术产生的自动化或半自动化的软件,可利用大模型、领域模型等AI技术,在数字和物理世界中感知、决策、行动并最终实现目标。

孙志勇强调,智能体与传统聊天机器人有着本质区别。“聊天机器人给你提供辅助信息,智能体最终帮你实现目标或者采取行动。”他举例说明,当用户向聊天机器人提出“帮我点一杯咖啡”时,它会提供周边咖啡店信息;而智能体则会进一步调用地图、外卖、支付等工具,直至完成“要咖啡”的目标。

这种从“信息辅助”到“目标执行”的跨越,是智能体赋能企业实现深层变革的关键,且今年已有初步应用。

以比亚迪的智能助手为例,以往消费者想看车,需要自己上官网或者去4S店,但现在可以通过比亚迪的“官方助手”输入个性化需求,比如预算20万元,家有几口人,然后由智能助手进行车型推荐。

孙志勇认为,未来手机App的“九宫格”填充方式或许不再是主流,到2028年,前端客户交互将有五分之一由智能体完成。

支付宝智能助理

“人在回环”消除智能体幻觉

尽管AI智能体发展迅速,但孙志勇依然强调,当前的产品仍处于早期阶段,主要障碍是准确性,特别是在多智能体系统中,错误可能累积,导致产生“幻觉”或“偏差性输出”,使其不能真正进入核心生产环节,“即使一个智能体能达到80%的精度,但如果三个80%精度的智能体叠加,精度会呈乘数级下降,只有50%左右”。

解决之道的关键之一,是确定智能体角色的单一性,“你要确定智能体的行业属性,尽可能让其决策单一化。”简而言之,如果想要一个大而全的财务智能体,基于复杂的财务流程,精度不足的问题便可能凸显,从而导致错误决策;但如果是一个任务垂直的“报销智能体”,便可能实现高精度的决策。

联想智能体

孙志勇甚至认为,基于此,未来可能不太会出现能够“通吃”银行、保险、零售和制造等不同行业的通用型人工智能体公司,而是会产生大量基于小型特定模型生成的深度内嵌式的行业智能体“隐形冠军”,比如专门为保险公司生成定制化保单的特定智能体公司。

另一条路则是“人在回环”。近年来,关于“机器替代人”的讨论甚嚣尘上,仿佛人工智能的每一次进步都意味着人类工作岗位的缩减。然而,孙志勇却强调,最新趋势表明,尤其是海外的金融公司,已经开始考虑将人“领回来”,重新融入智能决策的“回环”之中。这标志着一个重要的理念转变:机器完全替代人并非易事,至少在初期,人类的参与对确保AI决策精准度至关重要。

“人在回环”的概念,正是为了让智能体能够真正采取决策并最终进入生产环境而提出的。但同时,人们也必须接受一个核心概念正在悄然发生变化,“以前我们说‘机器辅助人’,有了AI,其实是‘人在辅助机器’。”孙志勇表示,未来,人的职责不再是主导,而是帮助和辅助智能体,人机协同关系将发生根本性转变。

落地仍需提升“绝对性价比”

除了精度仍有待提升之外,AI智能体进入核心生产环境的另一个挑战是成本效益。

“一个AI智能体就一定比人性价比高吗?”当老板问出这个“灵魂之问”时,意味着智能体的投资回报必须是一串串准确的数字。

当然,一些创新趋势已经出现。比如在营销领域,统计显示,人类销售BD(商业代表)仅有14%的时间用于商机开发,大部分精力耗费在内部流程上,但一个销售发展代表智能体(AISDR)则可以24小时不间断工作,而且能利用CRM数据,分析潜在客户,生成定制化邮件进行商机挖掘,并在客户回复后安排与人类销售员的对接,大大节约了BD的重复性工作,提高了工作效率。

“从数据上看,一个人类BD覆盖50个客户已近极限,但一个AISDR能服务数千名客户。”孙志勇透露,国外已有成熟的AI SDR产品,年费大致在4万元人民币左右,性价比远高于国内高阶BD。

Gartner预计,到2028年,三分之一的企业级软件应用将包含智能体,而去年这一比例还不到1%。

但并不是所有智能体公司都能有同类产品,或者遇到同类场景。至少在当前,智能体的成本并不低。

一个高精度AI智能体在设计和部署上的复杂性,仍然具有很高的技术门槛。比如,为提升精度需引入复杂机制,如思维链提示、程序限制或人在回环,这些都涉及很多开发、编程技巧,以及额外的人力成本和实时数据处理,都会增加不少开发和运营费用。

同时,AI智能体与大模型的交互,也进一步推高了算力需求。无论是调用大模型API(应用程序编程接口),引入MCP(模型上下文协议)架构,或是利用A2A(Agent-to-Agent)进行多智能体协作,都需要强大的计算资源支持。

孙志勇认为,AI智能体公司必须证明自己的产品相对于雇佣人类员工,有着明确且显著的投资回报,否则“还是很难存活”。

因此他强烈建议,这些公司应采取“零号客户”策略,也即在向客户提供AI智能体解决方案之前,先在自己内部试用,从而让那些对采用尖端技术持谨慎态度的客户,看到实际效果,并坚定转型的信心。

IT时报

免责声明:本网信息来自于互联网,目的在于传递更多信息,并不代表本网赞同其观点。其内容真实性、完整性不作任何保证或承诺。如若本网有任何内容侵犯您的权益,请及时联系我们,本站将会在24小时内处理完毕。