人工智能

智慧灯塔，照亮企业AI Agent实施明路

2024爱分析·AI Agent应用实践报告正式发布

2024年08月22日
  • 人工智能

 

​AI Agent是能够感知环境，基于目标进行决策并执行动作的智能化应用。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。
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。自2023年6月以来，爱分析系统对百余家大型企业的IT负责人进行了深入调研，知识库管理、数据分析、营销与客户服务等场景，已成为企业用户落地大模型的主要应用领域，而这些场景的智能化解决方案，无一例外地指向了AI Agent。
8月22日，爱分析正式发布《2024爱分析·AI Agent应用实践报告》，内容包括企业落地AI Agent的常见挑战、解决方案、多个高优先级场景的落地要点，以供企业参考。

01

报告综述

AI Agent是能够感知环境，基于目标进行决策并执行动作的智能化应用。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。
AI Agent具备三个核心能力：独立思考、自主执行、持续迭代。独立思考能力使得AI Agent能够根据任务目标和约束条件，进行任务规划和问题拆解，形成清晰的执行步骤；自主执行能力则允许AI Agent调用必要的组件和工具，按照既定的工作流依次执行任务；而持续迭代能力则确保了AI Agent能够基于任务执行的反馈，不断优化自身的性能和效率。
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。自2023年6月以来，爱分析系统对百余家大型企业的IT负责人进行了深入调研，发现降低运营成本已成为企业用户落地大模型的首要目标。知识库管理、数据分析、营销与客户服务等场景，已成为企业用户落地大模型的主要应用领域，而这些场景的智能化解决方案，无一例外地指向了AI Agent。
AI Agent相关市场众多，其中数据分析AI Agent和AI Agent开发管理平台是企业在2024年关注度最高的两个特定市场。本报告将重点研究上述两个特定市场，通过对它们的深入分析，本报告旨在为企业用户提供落地AI Agent项目时的策略指导和实践洞见。

02

市场洞察

在爱分析对多家大型企业IT负责人的深入调研中，我们发现AI Agent项目的落地与应用普遍面临两大挑战：“落地难”与“应用难”。
“落地难”现象分析
企业在AI Agent项目上的进展缓慢，周期拉长。面对新经济局势，企业普遍采取节流降本的策略，IT支出亦受到显著影响。在此背景下，一些企业对AI Agent的价值认识不足，导致投入意愿低迷。然而，企业亦担心错失智能化转型的机遇，加之政策导向的推动，使得企业不得不推进AI Agent项目。
这种纠结状态导致AI Agent项目虽已立项，却因驱动力不足而进展缓慢。具体表现在，企业在市场调研到正式签约阶段，会进行过度的厂商调研，并要求多家意向厂商进行POC验证，其用时大约是同金额传统IT项目的两倍。
“应用难”现象分析
尽管企业通常选择在某个部门先行试点AI Agent，期待取得成效后再扩大使用范围，但实际情况并非总是如预期般顺利。许多员工更倾向于沿用传统工作方式，对AI Agent的采纳并不积极。这并非因为AI Agent的能力不足，而是企业文化缺乏必要的变革。企业需要在变革管理、激励措施或培训活动等方面进行投资，以促进员工对新技术的接纳和应用。
企业应结合自身特性，建立AI Agent与新质生产力、数据要素的内在联系，实现价值升华，以及建立AI文化，增强员工对AI的信任和基础技能。
市场洞察1：AI Agent是由模型、数据、算力、专家知识组成的新质生产力
新质生产力是以全要素生产率大幅提升为标志，本质是先进生产力，代表生产力迭代升级的方向。从现代生产力变革看，科学技术越来越成为生产力最主要推动力量，科技创新是发展新质生产力的核心要素。大模型作为当前科技创新的重要组成部分，以大模型为代表的新“智”技术是新质生产力的重要生产工具。
图表1：AI Agent与新质生产力的关系

AI Agent作为大模型技术的重要应用，具备推理规划、记忆存储、知识沉淀、执行工作等能力，是智能化时代的新型劳动者，是新质生产力的代表。AI Agent生产过程需要算力、数据、模型、专家知识等核心要素的支撑。

市场洞察2：AI Agent是激发数据要素价值的重要手段
AI Agent作为智能化应用，是激发数据要素的重要手段。一方面是丰富数据应用场景，数据应用不再仅仅是数据报表、数据看板、自助分析等基础数据分析工具，还涌现出智能运维、营销助手、数字员工等诸多数据应用场景；另一方面，AI Agent大幅提升数据应用价值，特别是沉淀专家知识等非结构化数据，有助于企业内部数据资产化，提升数据要素流通效率。

图表2：AI Agent与数据要素的关系

AI Agent对数据基础设施提出新需求。除了要满足国家数据要素建设标准（四大设施（网络设施、算力设施、流通设施、安全设施）和六大能力（数据汇聚、数据处理、数据流通、数据应用、数据运营和数据安全保障））之外，企业数据基础设施建设还需要充分考虑到AI Agent 等大模型应用落地需求，在记忆存储、专家知识沉淀等方面提供支撑。
同时，AI Agent与数据开发治理工具结合，在数据治理、数据运营等场景有非常丰富的落地潜力，能够极大提升数据开发效率，减少数据工程团队和数据运营团队的工作量，提升企业用户综合数据能力。
市场洞察3：企业应从AI信任与数据素养着手，建立AI文化
德勤一项调研结果显示：“与其他企业相比，大力投资变革管理的企业称人工智能举措超出预期的可能性是平均水平的1.6倍，实现预期目标的可能性是平均水平的1.5倍以上。”
建立AI文化需要从AI信任和数据素养两方面着手。AI信任是指员工对企业构建强大人工智能系统的能力及其为他们带来利益的意愿的信任。数据素养则要求企业提升员工的数据意识，鼓励他们建立批判性思维技能，以正确提出问题并找到解决问题所需的数据。