GPTs大受歡迎但問題多，企服軟件廠商的AI Agent更被B端客戶器重

GPTs大受歡迎但問題多，企服軟件廠商的AI Agent更被B端客戶器重

比爾蓋茨預言智能體是下個平臺，超自動化平臺的AI Agent更靠譜？

以GPTs為代表的AI Agent只是玩具？揭秘真實可用AI智能體長什么樣

講概念談愿景AI Agent名不副實？看實在智能RPA 智能體如何商用落地

AI Agent應用落地前半場，屬于企服軟件廠商推出的平臺級AI智能體

文/王吉偉

OpenAI在首屆開發者大會上推出了GPTs和Assitant API，不僅改寫了AI Agent的構建范式，也把AI智能體的應用推向一個新高潮。

GPTs和GPT商店，使得用戶無需編碼通過自然語言就能創建并擁有多個專屬私人助理，且可以如在蘋果應用商店一樣在GPT商店出售和購買這些專屬助理。

這意味著，人人都能構建Agent的時代已然到來，Agent無處不在的序幕也已拉開。

OpenAI開發者大會之后，幾個月前曾把生成式AI比作“圖形用戶界面（GUI）一般爆炸性技術革命”的比爾蓋茨，再次發表長文表達其對AI Agent的看法。

他認為，智能體不僅會改變人與計算機交互的方式，還將顛覆軟件行業，帶來自人類從鍵入命令到點擊圖標以來最大的計算革命，智能體會成為繼Android、iOS和Windows等之后的下一個平臺。

有了行業大佬的背書，AI Agent的火爆程度再度躍升一個量級。即便目前99%的GPTs都在裸奔，兩句話就能套走GPTs數據庫，也阻擋不住人們開發與分享GPTs的熱情。比如某第三方GPT Store顯示的GPTs數量，已經多達1.3W+。

AI Agent大勢所趨，已經成為LLM落地應用的主要途徑。借著GPTs的火和比爾蓋茨的風，很多LLM研發與應用廠商都打出了Agent的牌。反正早晚都要實現通用人工智能AGI，不管是概念階段還是應用起步，先一步主打Agent必然沒錯。

概念化陳述的AI Agent與實體化應用的AI Agent，自然存在很大差距。隨著類似信息越來越多，大眾也就無感，以致于目前大部分人認為AI Agent十之八九名不副實，僅是玩具一般的存在。

AI Agent只是玩具？

AI Agent是不是玩具，取決于從哪個角度看。

個人使用它自動購買機票、訂披薩、寫總結、收發郵件，看起來已經是不錯的生產力工具。比如使用GPTs通過Zapier的海量API連接更多商業應用，可以在很多業務場景中使用。

但現在市面上大多Agent，包括OpenAI推出的GPTs，不過就是構建了一個基于某知識庫或者專業數據的Chatbot。使用這些智能體進行問答交互，比如獲取行業資訊、報告等，都可以做到對答如流。

但在程序聯動與操作方面還有很大差距，至少現在還無法用GPTs直接操作SAP或者金蝶等ERP系統，因為其中涉及到了API的應用、授權、維護以及無API管理軟件的連接問題。

對于廣大企業而言，如果GPTs等AI智能體只能用于知識問答，確實像一個玩具，因為它還無法深入到企業運營的業務流程中去。

所以，無論現在對AI Agent的討論多么熱烈，不管2W+的GPTs和大量第三方Agents展現的應用場景有多豐富，它們仍算是Agent的初級應用，尚無法深度參與及影響廣大組織的業務經營。

當然其中的因素是多樣且復雜的，比如LLM能力、Agent架構、Prompt精確性、數據集大小、知識庫豐富程度等，都能影響Agent能力的體現。

這種情況下，當前大家所提到的AI Agent大部分都停留在idea階段，成熟產品很少。

還有重要的一點，隨著Agent的構建越發簡單，Agent生態的成熟會讓C端Agent出現百花齊放的局面，應用價值方面也隨邊際效應而無限趨向于更小量級。

由此AI Agent更大的價值，最終還是要落到B端的商業落地與量級應用。

這，也就是比爾蓋茨所言的智能體的平臺價值。

Agent平臺的價值

比爾蓋茨認為，智能體作為下一個平臺，將會影響人們使用軟件的方式以及軟件的編寫方式。它更擅長查找信息并為用戶總結信息，能夠會為用戶找到最優惠的價格，將取代搜索網站及電商網站，也將取代文字處理器、電子表格和其它生產力應用程序。

并且，現在各自獨立的搜索廣告、廣告社交網絡、購物、生產力軟件等，都將變成智能體這一項業務。

Agent會徹底改變應用軟件的打開方式，這一點毋庸置疑。

而相對于Agent帶來的影響，如何構建Agent以及由什么樣的Agent平臺去構建能力足夠強勁的Agent，是大家更為關注的，也是更需要探討的問題。

在這方面，OpenAI已經率先用GPTs以及GPT Builder為業界打了一個樣。

即AI Agent平臺本身就是AI智能體，也是智能體構建平臺，還是Agent分發平臺。為了讓人們更方便的構建與應用各種Agent，它會基于構建-應用-分享-反饋的應用路徑發展，并且Agent的架構邏輯與思維也會用于支持平臺的整體運營。

平臺屬性意味著它不只用于構建和分發Agent，更重要的是能夠為用戶提供包括安全、運營、維護等在內的交付能力。不僅需要內置為用戶構建智能體所需要的各種插件和組件，還需要能夠在智能體構建過程中隨時給予用戶反饋以保證項目成功。

這幾點，對于B端用戶尤其重要。

像最近GPTs推出后OpenAI出現的各種安全問題，首先在數據安全上就過不了企業用戶的關，不是私有化部署的用戶可能都不敢構建GPTs，更不用說對外分享。

從業務流程角度來看，Agent的應用是在LLM的基礎上進一步實現的業務流程自動化。而目前包括GPTs在內的各種AI智能體表現來看，普遍存在兩種情況：

一是安全系數不過關，頻頻出現的數據泄露問題讓廣大組織望而生畏，而中小企業又沒有能力私有化部署LLM；

二是Agent所帶來的流程自動化仍停留于粗淺層面，尚無法為企業內部動輒幾十上百種的業務系統提供業務流支持。

所以，AI Agent想要真正在B端實現大量業務場景的落地商用，需要綜合考量其本身的安全性、技術發展周期是否成熟以及To B端的場景是否密切貼合等。

說到這里有人可能會問，連GPTs都存在那么多問題，現階段企業想要應用AI智能體，就沒有合適的解決方案嗎？

當然有，下面我就會講到。

企業級AI智能體平臺

在講述企業級AI智能體平臺之前，我們先來看一個真實應用案例。

這是一個使用RPA智能體自動構建「從招行網銀客戶端下載交易數據(敏感信息打碼)」自動化流程的應用案例，可以看到要構建這樣一個自動化流程，只需在TARS大模型對話框輸入“打開客戶端，查詢默認賬號幾年的交易數據，并下載導出”，TARS就能自動創建執行計劃，點擊執行它就能按照執行計劃一步步去執行，等它執行完以后，一個可以復用的自動化流程也構建完成了。

使用這種方式構建自動化流程，人機協作的部分只有必要時人工才參與的點擊功能按鈕和必要元素，構建的全程不再需要“拖拉拽”各種組件和代碼塊，任何人隨時都能構建需要的自動化流程。

案例所使用的AI智能體產品，是實在智能推出的RPA Agent智能體。這是一個能夠自主拆解任務、感知當前環境、執行并且反饋、記憶歷史經驗的RPA Agent，進一步降低了數字員工的應用門檻。

實在智能憑借其自創業初就深深扎根在AI領域強大的自研能力和幫助大中型企業客戶獲取豐富的自動化落地解決方案的經驗，在經歷第一代專家模式RPA、第二代簡易模式IPA之后，迭代成為現在的第三代對話模式RPA：融合TARS大語言模型的RPA Agent智能體。

實在智能垂直領域大模型TARS的推出，為RPA數字員工注入“TARS+ISSUT（智能屏幕語義理解技術）”雙模引擎。雙?；訕嫵闪薚ARS-RPA-Agent，實現對屏幕上一切元素的自動化操作，并為行業帶來“你說，PC做”全新工作布置方式，實現流程自動化創建的“所說即所得”。

這里“你說，PC做”的意思是，通過RPA智能體構建包括所有企業管理軟件在內的自動化操作流程，而并非通過GPT builder等Agent構建平臺構建類GPTs的輕量級Agent。如果說其他平臺構建的Agent還是Agent工具，RPA Agent構建的Agent則是智能體數字員工。

RPA Agent智能體不只發揮了LLM理解與分析的優勢，也保留了RPA特色，只要能夠識別的元素全部都能實現自動化操作，可以面向包含API接口及UI自動化的所有管理程序構建自動化程序，因此完全可以用于企業運營的業務流程自動化構建。

超自動化平臺推出的Agent更靠譜

企業要引入AI智能體進行流程優化，必須經過成本控制、投入預算、實現效率、安全管控等多方面嚴格及縝密的評估。這就要求技術供應商提供的必須是平臺級解決方案，而不是只針對單一、個別場景需求來提供的智能體自動化解決方案。

越復雜的業務流程自動化，對智能體廠商平臺的底層技術融合能力、數據安全性掌控能力、產品部署后的運營和維護能力、交付能力及產品和解決方案的可擴展能力等的要求也就越嚴格。這也對AI Agent技術供應商提出了更高的要求，必須具備豐富的幫助大廠實現超大和復雜業務場景自動化落地的經驗。

同時，大型企業引入新的AI技術不允許任何試錯成本，因此技術供應商給出的解決方案必須是開箱即用、具備行業KNOW-HOW術語和業務規則的真實智能體數字員工。也只有這樣的標準化智能體，才能被納入企業的內部編制中去統一管理和調度。

除此之外，要實現AI Agent更好地商用，需要考慮接口成本、隱私、管理、授權等諸多因素，這既是很多供應商的技術與產品門檻，也是廣大企業選型的重要依據。

所以，企業在選擇用于業務流程自動化的AI智能體時，也是優先考慮超自動化廠商推出的AI智能體產品，而不是選擇LLM廠商推出的尚未成熟的通過API連接各種插件的單一智能體解決方案。

這種情況下，在B端市場，由ERP、BPM、超自動化等企業管理軟件廠商推出的AI智能體反而更受關注。大部分企業會根據自身需求，選擇能夠結合業務特點、具備豐富流程自動化落地經驗且能夠解決更復雜更龐大業務流程自動化的需求的技術供應商，以快速實現新AI智能體解決方案落地。

這也是老牌RPA融合LLM后，更容易將智能體做成平臺級別產品的原因。

就如推出RPA Agent智能體的實在智能，具備上面所列的多個先發優勢：之前RPA、IDP、流程挖掘、ISSUT等所有產品組合都是按照平臺級別打造的，現在的RPA智能體也是在之前超自動化平臺的基礎上融合LLM及Agent架構打造的。

它自誕生開始，就是比爾蓋茨所說的平臺級智能體產品。

如果你的企業想在Agent被視作玩具的眼下引入企業級AI智能體數字員工，實在智能RPA Agent智能體會是一個不錯的選擇。

后記：AI Agent前半場屬于平臺級AI智能體

在超自動化領域，很多人認為LLM廠商推出的AI Agent，可能會優先顛覆之前的RPA、低代碼、工作流、流程挖掘等企業管理平臺。

但現在的事實是，這些超自動化平臺通過融合自有大語言模型或者集成第三方大語言模型API，在此基礎上推出的AI Agent反而更勝一籌，無論在安全性方面，還是易用性、擴展能力等方面，都明顯優于現在市面上其他Agent。

如果套上“LLM+規劃+記憶+工具”這個Agent架構，RPA、低代碼等都屬于工具，但這個工具是融合AI等多種技術的平臺級別工具，它與GPT等通過API調用的輕量級工具有著顯著區別。

有的推出Agent智能體的廠商如實在智能，也推出了自己的垂直領域大模型，躋身成為大語言模型廠商，因此在Agent構建及技術架構方面可以有更多的選擇以及靈活的策略。

更重要的是作為超自動化廠商，他們擁有更多的技術、工具、數據以及經驗，可以基于自身優勢打造更符合產品特性及用戶屬性的AI智能體，并能夠為用戶定制專屬的個性化企業級AI智能體。。

這樣的AI智能體能夠更好地理解用戶指令意圖并為RPA等工具規劃各種任務，更能夠無縫融合及適配所有工具、數據、知識及經驗。

目前而言，不管怎么對比，由企業管理軟件廠商推出的平臺級AI Agent明顯要靠譜得多，且已真正實現落地商用。

AI Agent應用落地前半場，企服軟件廠商的平臺級AI智能體先跑出來了。

【王吉偉頻道，關注AIGC與IoT，專注數字化轉型、業務流程自動化與RPA，歡迎關注與交流?！?/p>