Why AI Agents Will Do for the Enterprise What RPA Never Could
12:59 Share

今天，在《AI每日简报》中，我将探讨智能代理如何填补RPA曾经的潜力。 《AI每日简报》是一个每日播出的视频播客，涵盖AI领域最重要的新闻和讨论，欢迎加入讨论。请查看节目说明中的链接，加入我们的Discord群组。

大家好，周末愉快。今天我们有一期长篇阅读内容。在与企业沟通的过程中，他们最关注的一点是，以代理形式出现的自动化解决方案，如何在实际应用中实现性能提升，从而取代整个任务类别。

许多组织和企业以前都走过这条路，形式是所谓的机器人流程自动化，或RPA。从今天我们正在阅读的内容来看，或者说，我正在转交给A，I来阅读，RPA在实践中取得了非常零星的成功。或者更确切地说，我正在转交给A，I来阅读，它详细介绍了代理如何取代RPA，并实现最初的承诺。

让我们先阅读这篇文章，然后我会进行一些讨论。

随着AI在软件领域发挥作用，例如将外部专业服务（例如法律或会计）产品化，成为热门话题。然而，我们相信，在组织内部进行内部工作的潜力和生产力提升也是巨大的。

这些职责通常归类于运营部门，范围从全职数据录入员到嵌入在其他每个角色中的例行运营任务。这些工作鲜少出现在媒体头条，但它们是维系公司运转的内部纽带。这些任务涉及关键但通常重复性的工作。

公司历来尝试通过使用机器人流程自动化（RPA）来自动化这些任务。但是，凭借生成式AI，我们相信现在可以通过代理实现真正的自动化。我们已经看到代理在生产中工作的早期例子，例如自动化的客户支持。

随着Anthropic等公司推出诸如计算机辅助模型以实现与现有软件的有效交互等功能，为创业者构建垂直智能自动化应用程序提供了一个清晰的新兴基础设施堆栈。这些例子预示着一个世界，AI代理能够实现RPA最初的承诺，将原本属于运营部门的任务转变为智能自动化，并让员工专注于更具战略性的工作。

RPA最初的承诺以及AI在运营工作中的影响是广泛而多样的，包括数据录入、文档提取、信息传输、系统迁移和网络抓取等任务。这些任务至关重要，但它们通常缺乏传统软件有效管理它们所需的API、平台或直接集成。许多工作仍然通过电话、电子表格、传真和纸质表格进行。

过去十年中，RPA成为自动化此类工作的热门话题。像UI Path这样的公司，成立于2005年，承诺实现完全自动化的企业，并通过自动化赋能员工。

但是，尽管其在2021年成功上市，并拥有当前的估值，但这些上一代RPA公司未能实现其承诺。当时的科技水平不足以实现真正的自动化。结果，这些公司并没有实现真正的自动化，而是观察客户如何操作流程，然后构建机器人，模仿人类的按键和点击操作。

虽然这些机器人通常在正常运作时能带来有意义的商业价值，但如果流程不清晰或IT发生变化，它们就会出现问题。此外，部署这些机器人需要昂贵的顾问，这意味着只有足够大、能够承担这种重型方法的公司才能使用RPA。然而，我们相信RPA最初的愿景现在是可行的。

AI代理不会像硬编码那样，为每个流程步骤进行详细的规定，而是会收到最终目标，例如为客户预订约会、将文档中的数据传输到数据库，然后拥有合适的工具和上下文来代表公司执行这些操作。它们能够适应各种数据输入，并能够处理业务流程的变化。由于这种灵活性，它们比传统的RPA系统更容易实施和维护，这是AI运营的未来，也是机遇所在。

我们对这种智能自动化机会感到兴奋，原因有两个主要方面。潜在市场巨大。对于当前软件能够处理的所有工作，还有数量级更多通过纸质文件、电子表格、电话和传真完成的工作。

智能自动化可以解决与这些工作相关的当前劳动力成本，根据劳工统计局的数据，这些工作包括超过800万个运营信息员职位，以及与外包这些工作相关的支出，这占了2500亿美元的业务流程市场的一大部分。外包初创企业在这个领域拥有广阔的绿地机会。由于这些工作流程的特点，通常没有现成的软件产品，人才是产品本身。

因此，这些角色从未像其他角色那样发展出记录系统。例如，销售人员使用Salesforce，人力资源人员使用Workday，这意味着没有软件可以将AI添加到其现有产品中。因此，这个市场对初创企业来说是开放的。具体来说，我们认为市场机会主要集中在两个主要领域：面向AI赋能者，为各种行业提供特定功能；以及垂直自动化解决方案，构建面向特定行业的端到端工作流程。

今天的节目由Vanta赞助。无论您是刚起步还是正在扩展公司的安全计划，展示一流的安全实践并建立信任比以往任何时候都更加重要。Vanta自动化了ISO 27001、SOC 2、GDPR以及领先的AI框架（如ISO 42001和NIST AI风险管理框架）的合规性，节省您的时间和金钱，同时帮助您建立客户信任。

此外，您可以通过自动化问卷调查来简化安全审查，并通过面向客户的信任中心来展示您的安全态势。所有这些都由Vanta AI提供支持。全球超过8000家公司，例如LangChain和领先的AI工厂，都使用Vanta来展示AI信任，实时改进安全性。了解更多信息，请访问vanta.com/nlw。今天的节目，一如既往，由Super Intelligence赞助。

您是否曾经想要一个完全专注于AI如何与您的公司相关的AI每日简报？您的公司是否在AI采用方面遇到困难，无论是难以确定哪些用例能够创造价值，还是AI转型过程在各个团队、部门和员工之间难以协调，无法改变整个公司？Super Intelligence开发了一个新的客户内部播客产品，通过分享公司内外最佳的AI用例来激励您的团队。

想象一下，这是一个针对您公司AI用例的《AI每日简报》。如果您想了解更多信息，请访问superintelligence.com/partner并填写信息请求表。我对这个产品非常兴奋，我会尽快与您联系。这是superintelligence.com/partner。

水平AI赋能者。今天，每一家智能自动化公司都在构建类似的内部工具功能。这为初创企业创造了一个绝佳机会，可以通过专注于一个特定的基础组件来简化流程。

例如，几乎每一家智能自动化公司都必须处理非结构化数据并输出上下文相关的结构化数据。许多公司都在内部构建了这些功能，而像Reduct这样的公司也在一定程度上致力于成为水平赋能者，以满足特定需求。我们认为，复杂智能自动化还需要许多其他核心构建模块，包括但不限于构建网络数据抓取器、从非结构化来源中提取数据或将数据写入遗留系统。

关于垂直自动化，我们之前曾表达过对投资垂直软件（面向特定行业的软件）的兴奋之情。我们认为，这对于智能自动化来说是一个特别合适的领域，因为运营代理需要具有狭窄的上下文和深度集成才能实现客户期望的准确性和一致性。每个行业都有可能实现自动化的后台运营，我们已经看到初创企业利用大语言模型（LLM）自动化一个流程，作为战略楔子，以满足特定行业的需求，例如，在医疗保健领域，Tenner已经自动化了转诊管理流程。

转诊是任何发展中的医疗保健机构的生命线，但接受转诊需要大量人工劳动，例如接收传真、让前台从传真中提取信息，并手动将患者信息输入到他们的系统中。Tr已经构建了智能自动化来解决此信息传输问题，利用LLM从PDF和传真中提取非结构化数据，对信息进行验证，然后自动将信息写入电子健康记录（EHR）系统。这极大地缩短了接受转诊所需的时间，从而使客户能够更快地获得新业务。

在物流领域，卡车经纪人花费大量时间处理传入订单和跟踪货运。现在，利用智能自动化，像Happy Robot这样的公司可以通过AI驱动的语音助手自动检查货运状态和更新，而像UA这样的公司能够利用非结构化电子邮件数据来自动化报价和订单输入到卡车管理系统（TMS）。这些公司通常专注于在其各自行业中自动化非常狭窄但非常普遍且重要的工作流程，通常涉及数据和信息传输。

他们至少最初并不寻求成为记录系统，因此可以绕过追赶遗留系统的困难问题。他们还从自动化创收工作流程开始，使其成为客户的首要任务。由于这些自动化从工作流程的开始阶段启动，这些初创企业获得了对后续数据和工作流程的权利。

我们相信这种方法是智能自动化初创企业的制胜法宝，我们渴望与那些在不同行业追求这一机会的创业者合作。我们对智能自动化的未来充满期待。大语言模型（LLM）为初创企业提供了实现RPA最初承诺的机会。通过自动化传统上由人工处理的任务，他们现在可以进入以前规模过小或难以进入的市场和机遇。我们相信，在这个领域将诞生许多大型公司，既包括水平赋能层，也包括面向不同行业客户的垂直端到端解决方案。

好的，现在回到真正的非AI主题。对我来说，这篇文章中有一些非常有趣的地方。首先，就是总体机会。

我们在谈论人工智能时，经常讨论的一个想法是，我们并非完全想取代人类。我们想从他们的工作中去除那些极其重复和琐碎的任务。当然，如果我们对自己诚实，不可避免地会有一些工作类别会执行许多此类任务。

它们将受到冲击。总的来说，目标是冲击这些工作。目的是使重复和琐碎但必要的工作自动化。我认为，对专注于任务垂直领域的代理进行进一步探索，非常有前景。

现在，谈到垂直领域，AI领域的一个真正有趣的差距是，那些试图创建通用代理的人（包括前沿实验室以及一些像Multi之类的初创企业）和那些专注于极度特定垂直代理应用程序的人之间的差距。当然，垂直公司面临的风险是，前沿实验室可能会想出一些东西，他们的通用代理的性能甚至可能超过垂直代理。然而，在我看来，代理真正进入市场的最可能方式将是这些高度垂直的应用程序。

现在，当人们谈论垂直应用时，他们通常指的是行业垂直领域。我认为，还会有功能垂直领域，即在不同行业中完成特定类型任务的领域，代理可以在其中蓬勃发展和专业化。在接下来的几年里，专注于辅助工作和企业内协同工作的试点项目将越来越多地让位于专注于代理化的试点项目。

但重要的是，尽管Salesforce的马克·贝宁说的话，但这并不意味着AI辅助时代已经结束。我相信，我们今天拥有的每一个业务流程都将以某种方式被AI化。我认为，许多流程将被自动化并由代理处理。

但我还认为，许多流程将由AI辅助的超级人类完成。更重要的是，在真正有价值的新机遇方面，公司能够做的事情以前根本不可能。我认为，在协调方面将会有大量的创新。换句话说，在接下来的几年里，公司面临的最大任务不是考虑用机器人取代谁，而是如何让机器人与人类一起工作，从而比任何一方单独工作都更有力量。不过，今天的《AI简报》就到这里，感谢您的收听，我们下期再见。