01
大模型浪潮席卷全球,AI Agent作为这股浪潮中的新星正在取代Copilot,成为大模型应用的主流形态之一,以其惊人的速度和影响力重塑科技和商业的版图。
AI Agent是指以大模型为驱动,具有自主理解感知、规划、记忆和使用工具的能力,能自动化执行的智能体。随着大模型能力增强以及RAG等技术的成熟,AI Agent的能力得到了质的飞跃。这些模型赋予了AI Agent更接近人类的思维能力,再联动各类工具和组件,使得AI Agent在处理复杂任务时表现出前所未有的灵活性和效率。从智能助手、个性化推荐系统到自动化客户服务,AI Agent的应用案例层出不穷,它们在各行各业中展现出巨大的潜力和价值。
爱分析认为,AI Agent市场从技术架构角度可以划分为基础层、平台层和应用层。基础层是指支持AI gent的基础环境,包括大模型、算力基础设施和数据基础设施。平台层是基础层和应用层之间的“桥梁”,有利于大模型在各种实际场景以AI Agent的形态快速落地,包括AI Agent开发管理平台、LLMOps工具等。应用层是指各类场景的AI Agent,既有金融、能源、汽车等行业场景的AI Agent,也有业务流程自动化、数据分析、协同办公等通用场景的AI Agent。AI Agent市场划分详见下图。
本评估报告聚焦协同办公AI Agent市场,爱分析遴选出具备成熟解决方案和成功案例的厂商,供企业做厂商选型时提供参考。同时,在该市场下,爱分析重点选取了协同办公AI Agent厂商实在智能进行能力评估。
02
协同办公AI Agent市场分析
市场定义:
一种基于Agent架构的大模型应用,能理解自然语言描述的任务需求,自主完成办公环境的感知、任务的逻辑拆分、相应工具的智能选择、流程的精确执行等一系列工作,实现人与AI的深度协同,显著提升办公效率和质量。
甲方终端用户:
甲方核心需求:
企业希望通过协同办公AI Agent实现低成本高效率的工作环境,解决那些影响员工日常效率的长尾场景。AI Agent旨在不增加人力成本的前提下,推动企业业绩和运营效率的增长。此外,企业期望利用AI Agent提升知识资产的利用率,培养员工的专业能力,使初级员工能够承担更复杂的任务,优化人力资源配置,实现业务流程的自动化和智能化。
- 协同办公AI Agent是低成本解决长尾场景的利器。在协同办公领域,企业面临着众多特定的长尾场景,这些场景虽小,却对员工的日常工作效率有着显著影响。例如,销售经理每日需将客户拜访数据汇总至团队报表,这一过程虽简单却耗时。提升此类数据汇报的效率,对员工而言意味着时间的节省和工作满意度的提升,但对企业整体而言,其直接价值并不显著,导致企业往往只分配有限的IT资源来应对。
以某大型银行为例,尽管已安排10名IT人员利用RPA技术满足了3000多个长尾办公需求,IT人力资源的紧张和工单积压的问题依旧严峻。协同办公AI Agent的出现,为这一困境带来了转机。通过为每位员工配备一个智能AI助理,员工可以自定义解决方案,快速响应个性化的长尾需求。
AI Agent的业务价值在于其能够显著提升员工的工作效率,使他们能够在不增加工作量的前提下承担更多任务。这不仅提升了员工的工作满意度,同时也使企业能够在不增加人力成本(Headcount)的情况下,实现业绩的增长和运营效率的提升。这种以技术驱动的解决方案,为现代企业在资源优化和效率提升方面开辟了新的可能性。
- 协同办公AI Agent让初级工变高级工。随着大型企业的持续发展,它们积累了丰富的知识资产。众多企业在咨询协同办公AI Agent时表达了一个共同的愿景:通过提高知识资产的利用率,来培养和沉淀专业能力,进而提升对特定业务的解决能力。这一愿景的核心在于利用协同办公AI Agent,将初级员工的能力提升至高级水平。
以合同审核为例,这一工作通常涉及复杂的专业知识和高风险,需要由经验丰富的专业人员来执行。企业期望通过引入协同办公AI Agent,实现合同审核流程的自动化,从而降低对员工专业技能的门槛。AI Agent能够辅助员工快速识别合同中的关键条款和潜在风险,提供标准化的审核建议,甚至在一些情况下,完全自动化地完成审核任务。
通过这种方式,初级员工可以在AI Agent的协助下,承担起以往需要高级工才能完成的任务。企业因此能够更有效地利用现有人才资源,同时降低对高级别专业人才的依赖,实现人力资源的优化配置。
厂商能力要求:
厂商需具备深入的大模型架构理解力,以精准选型并训练模型,实现成本与效果的平衡。同时,厂商应提供丰富的组件库,支持AI Agent作为规划者的角色,高效响应企业长尾需求。此外,厂商还需掌握构建知识管理系统的技术,以提升企业知识利用效率,增强业务处理能力。
- 厂商需深刻理解大模型架构,实现协同办公AI Agent的成本效益平衡。大模型作为协同办公AI Agent的核心支撑,要求厂商不仅关注AI Agent本身,更需深入理解大模型的底层架构设计。这种深刻理解对于大模型的选型至关重要,同时也为在特定垂直场景中对大模型进行有效的训练和微调提供了基础。在当前企业普遍寻求成本降低的背景下,厂商的任务是为企业找到性能与成本之间的最优平衡点。
进一步而言,厂商应组建专业的大模型算法团队,这不仅是对大模型架构理解的体现,也是深化模型应用的关键。缺乏这样的团队,厂商可能只能停留在提示词工程层面,无法深入到模型层,从而无法充分利用大模型的潜力,满足企业对协同办公AI Agent的深层次需求。
- 厂商需提供多功能组件库,以满足企业多样化长尾场景需求。当前,AI Agent更适合做一名“规划者”,而不是担任“执行者”的角色。执行环节需要调动各类工具,来满足企业的长尾需求。协同办公AI Agent在接收到用户需求后,并非直接执行任务,而是进行细致的规划,并调动一系列工具和组件来实现需求满足。为了适应企业的长尾需求,厂商必须拥有一个包含RPA、BI、IDP等在内的丰富组件库。这些工具和组件是AI Agent能力的延伸,能够确保在执行阶段能够精准、高效地满足用户需求。
- 厂商需掌握知识管理系统构建技术,增强企业知识应用效率。企业期望通过协同办公AI Agent显著提高知识资产的利用率,并在此过程中积累和沉淀专业能力,以强化对关键业务问题的处理能力。为实现这一目标,厂商必须掌握构建高效知识管理系统的核心技术,这包括但不限于引擎优化、向量化处理、文档智能切分、知识图谱构建以及自然语言处理等技术。除了拥有这些技术能力,厂商还需要具备将技术成功落地的经验,确保这些技术能够与AI Agent无缝集成,形成协同效应。
1. 符合协同办公AI Agent市场分析的厂商能力要求;