企业应用AI智能体的前景与现实

文章作者｜麦肯锡公司：Barr Seitz、Jorge Amar、Lari Hämäläinen、Nicolai von Bismarck，慎思行采编翻译

个人微信 |hello_SSX

生成式AI的发展为各组织带来了巨大的机遇，特别是那些有关AI智能体的组织——而所谓的AI智能体，是一种由AI驱动的软件实体，它可以规划和执行任务，或是通过提供特定的服务来帮助人类。目前，由于数据质量、员工的不信任和实施成本等方面的原因，企业大规模采用AI面临重重困难。除此之外，领导层对于如何利用这些智能体来变革工作方式的想象力，也远远落后于AI技术本身的潜力。

然而，随着生成式AI技术的进步和下一代智能体的出现，我们预计将有更多的用例被解锁，部署成本将会降低，长尾用例也将变得更加经济可行，且更大规模的自动化将会在更为广泛的范围内落地实现（如企业流程、员工体验和客户界面）。这种演变需要在对强人工智能的信任、风险管理的实践与政策，以及对智能体系统的平台监管上投入更多的努力。

在本期访谈探索了AI智能体的发展，以及企业应当怎么实施这项技术（总的来说，这才是它对于企业的价值所在）。

巴尔：

生成式AI智能体究竟是什么？

拉里：

当我们谈论AI智能体时，我们指的是一种软件实体，它能够组织策划复杂的工作流程、协调多个智能体之间的活动、应用逻辑推理，以及评估答案等等。这些智能体可以帮助企业实现流程自动化，或在员工和客户执行某些流程时，为他们起到增强作用。这很有价值，因为它不仅能帮助人类更好地完成工作，还能将工作的底层流程和服务完全数字化。

例如在客户服务领域，近期的最新进展，使得这些智能体可以与外部客户和内部用户进行个性化互动，并帮助人类客服学习。所有这些都意味着，AI智能体正愈发接近真正的虚拟员工，它既可以增强企业所有业务领域的工作，从人力资源、财务到客户服务，也能把这些工作自动化。这也就意味着，我们在提高服务质量的同时，也在逐步实现涵盖诸多职能部门的大范围任务自动化。

巴尔：

你们认为AI智能体的最大价值在哪里？

乔治：

我们根据60余个用例估计，生成式AI用于企业的用例每年可产生2.6万亿到4.4万亿美元的价值。但这些价值中有多少能转化为业务增长和效率提升，取决于企业有多快重构现有工作，并将AI引入重点领域中，比如用户旅程、整个活动链条的流程或某种职能等。

由AI智能体有望加速实现工作流程中长尾部分的自动化，否则这些部分工作将消耗过多的资源。AI的潜能比想象中的更大：理论上，当今全球经济之中60%到70%的工作都能够被自动化，这可以通过应用包括生成式AI在内的各种现有技术来实现，但这需要开发大量的解决方案和还会增加企业的投入。

我们来考虑一下客户服务领域。目前，AI智能体在客服工作中的价值，要么体现在优化处理量上，要么体现在缩短平均处理时间上。例如，在今年早前的研究报告中，我们对使用生成式AI的5000名客服人员进行了调查，发现每小时的问题解决效率提高了14%，而处理问题所花的时间则减少了9%。

另一个有价值的领域是客服专员培训。通常情况下需要6到9个月的时间才能让一位新晋客服达到资深客服的水平。有了这项技术后，培训时间在有些情况下可以缩短到3个月，因为有大量的有效干预措施和脚本库可供新人使用。

随着时间的推移，随着AI智能体变得愈发熟练，我期待看到它们能提高客户满意度并创造收入。例如，通过支持人类客服且自动化地工作，AI智能体不仅在帮助客户解决眼前问题的方面可以发挥至关重要的作用，还能推销新服务，或者满足更广泛的需求。随着公司增加更多的AI智能体，成本很可能会降低，并为企业带来更多改善客户体验的选择，例如把个性化的人工客服作为一项会员服务提供给顾客。

巴尔：

你们看到了哪些AI智能体的机会？

乔治：

客户关怀将是AI智能体大规模应用的首批功能之一，但绝对不是唯一的功能。在过去的一年里，我们见证了很多成功的试点，比如用AI智能体改善客户服务。例如，你可以让一名客服专员在与客户通话的同时，使用专有AI智能体的实时帮助，如推荐最值得参考的文章，或提供对话中最合适的下一步等等。AI智能体还可以就语气、同理心和礼貌等行为要素提供指导。

在过去，要想在销售过程的每一个环节里都为顾客配备专属客服，其成本令人望而却步。但是，正如拉里所说，随着AI智能体的最新进展，现在就可以做到这一点。

尼克莱：

值得强调的是，AI智能体不仅能够实现流程自动化，还能够为人类客服提供支持。举例来说，AI智能体非常擅长的一件事，就是为客服专员提供个性化辅导，这种辅导不仅可以从硬技能的角度，也从软技能的角度（如借助于上下文来理解顾客究竟说了什么）来进行。我们估计，把生成式AI用在客户关怀功能上，可以将效率提高30%至45%。

乔治：

是的，在其他情况下，AI智能体还会直接帮助客户。一个数字销售助理可以在客户决策的每个环节为其提供帮助，例如，检索信息、提供产品规格或比较价格等，然后记住客户访问、离开和返回时的场景。随着这些功能的发展，我们可以期待这些AI智能体通过追加销售来创造收入。

巴尔：

为什么大家应该相信AI智能体是真正的机会，而不是又一个虚假的技术泡沫？

乔治：

当然，现在还处于早期阶段；但我们从AI智能体身上看到了前所未有的能力。例如，与过去技术不同，生成式AI不仅，从理论上讲，可以处理员工与客户之间在各种渠道上数以亿计的互动，而且还能产生更高质量的互动，例如提供个性化的内容。我们都知道，个性化是提升客户服务质量的关键驱动力。其中蕴含着巨大的机遇，因为我们在一次对客服部门的调查中发现，在北美，只有不到10%的受访者认为他们接受到的客户服务超越预期。

拉里：

从技术的角度再来谈谈。这是我们第一次拥有这样的技术，它既符合人类交互的方式，又可以在在企业规模化部署。举个例子，我们都知道过IVR（交互式语音应答）通话的体验，那肯定不是人类该有的交互方式。人类的交互方式是非结构化的，而且常常会有隐含的意图。如果我们考虑一下LLM（大型语言模型），它们从一开始就是为了处理非结构化的数据和交互而创建的。从某种意义上说，目前为止，我们客服等领域应用的所有技术，都是以这样的假定为前提的：即客户打来电话时，所要表达的一套想法就是结构化的、符合某种预定设想的。

巴尔：

在过去的12个月里，AI智能体的格局发生了哪些变化？

拉里：

生成式AI的发展极为迅速。在LLM的早期，它们的一些缺点，如幻觉和处理成本较高，意味着这些模型只能用于生成非常基础的输出，例如给人类提供一些专业知识或者生成图片。而更复杂的情形就行不通。举例来说，如果把一个准确率仅为80%的LLM用到一个包含10个步骤的任务之中，最终的累积准确率将只有11%。

如今，由于最近的多项创新，LLM就可以应用于更广泛的用例和更复杂的工作流程中。这些创新包括LLM本身在精确度和能力方面的进步、长短期记忆结构的创新，逻辑结构和答案评估上的进展，以及能够将智能体和模型应用于复杂工作流的框架。LLM可以评估并纠正“错误”答案，从而大大提高准确率。如果再有熟练的圈内人士参与处理那些识别错误的案例，那么这种人机联合就能带来极高的质量和效率。

最后，值得一提的是，在过去的一年里，生成式AI应用都是通过把不同的组件整合在一起定制而成的。而我们现在所看到的，则是把各种框架进行标准化和工业化，使其更接近于“软件包”的结果。这样将会加快实施速度，提高成本效益，使之在现实世界中的应用更加容易实现，包括解决企业中的长尾用例。

巴尔：

在客服领域落地AI智能体的过程中，你们遇到了哪些障碍？

尼克莱：

我们看到的一大障碍是在难以在整个组织内建立对AI智能体的信任。例如，在一家银行里，他们知道需要通过减少错误答案来建立信任。因此，他们构建了一个可以检查AI幻觉的架构。只有当答案正确时，才会被呈现出来；如果不正确，聊天机器人就会说它无法回答这个问题，并尝试换个措辞。这样，客户就要么就能快速得到问题的答案，要么干脆去和真人员工对话。这真的很重要，因为我们发现，各个年龄段——甚至是Z世代的客户，都还是更喜欢通过真人的电话交谈来获得帮助和支持。

乔治：

我们看到了一些前沿的成果，但这仅限于一小部分环境下的客户或专员。要推广这些成果，变革管理方式至关重要。这是企业面临的一大障碍，这比推出一套新工具要复杂得多。公司只有重新设计职能部门的工作方式，才能充分发挥AI智能体的价值。

比如数据，就必须遵循正确的格式，处在正确的位置，才能被生成式AI有效地利用。事实上，近20%的企业认为数据是利用生成式AI获得价值的最大障碍。这样的例子包括，聊天机器人在给出回答时会去查找过时的信息等等。内容也许是正确的，但早已经过时了。公司需要在清理并重整数据方面进行投资。

此外，公司还需要建立面向AI的信任和治理能力。也就是建立原则、政策、流程和平台这些东西，以确保公司不只是随着快速变化的法规亦步亦趋，还要有能力公平和不带偏见地履行对客户和员工的承诺。这需要公司的法律和风险团队的合作达到新的水平，也需要公司用新技术来大规模地管理和监控系统。

其他方面也同样需要变革。企业需要为客服部门的各个层级——从经理到一线员工——量身定制广泛的学习课程。经理需要制作新的KPI和绩效管理协议，而一线员工则需要了解怎样用不同方式来和客户打交道，以及和AI智能体共事。

这些技术需要更加灵活，且覆盖运维服务的整个生命周期，才能更好发挥AI智能体的价值，这就是我们所说的MLOps（机器学习运维），或者越来越多地被称作AIOps（生成式AI运维）。新的运维模式需要支持小团队，让他们能够不断迭代，从而开发出更多AI服务。而推广AI工具的应用也需要持续的努力和新的激励机制，这样人们才会学着信任这些工具，并发现它的好处。尤其是对于资深客服来说——在他们看来，自己的技能并不能通过应用AI智能体来得到提升。仅就客户运营而言，我们往大了说，这关系到生成式AI领域4000多亿美元的潜在价值，所以值得一试。

巴尔：

就客户服务领域来说，AI智能体到底对企业有什么价值呢？

乔治：

这是个很好的问题，因为我们相信，AI最直接的影响还是增强人类所做的工作，即便是在自动化程度越来越高的今天。我的信念是，AI智能体将会改变各式各样的企业服务和工作流程。它将帮助我们自动化执行大量低价值的任务，同时又能让员工和客户有更好的体验。例如，企业的服务中心会有更高的工作效率，取得更好的成果，提供更好的体验。

事实上，我们还看到应用这项新技术有助于减少员工流失。随着生成式AI的普及，我们发现，服务工作出现了更加专门化的趋势。一些公司和部门将率先采用AI并实现完全的自动化，而另一些则可能通过建立更多高度个性化的互动来打出差异化格局。

尼克莱：

我们在一家德国公司看到了把这个想法付诸实践的例子，这家公司正在实施基于AI的学习和培训引擎。在推广的过程中，无论是从主管还是从员工的角度来看，公司员工的体验都得到了显著改善，因为员工觉得他们终于得到了与自己有关的反馈。他们感觉自己受到了重视，自己在职业生涯中不断进步，而且还学到了新技能。例如，他们不再仅仅是接听留存电话，现在还可以接销售电话。这种体验让他们的工作变得更加丰富多样，减少了枯燥的重复。

拉里：

从更广阔的视角来看。我们早先模拟过一个中点情景，也就是在2055年左右，当前50%的工作活动都将实现自动化。但技术的发展速度远超所有人的想象——看看一些LLM的能力，就正在接近，甚至在特定情况下还超过了人类的平均水平。生成式AI的创新把我们所预测的那个中点情景提前了约十年。而且创新的速度会越来越快，因此我们可以预期，应用AI的时间会进一步缩短。这是一项关键的进展，每一位管理层都需要理解它究竟意味着什么。

编辑 | Noah

清流学苑2025Q1课程安排

我们将在3月29~30日在上海推出我们的清流学苑的新晋课程《关键洞察营》，欢迎感兴趣的朋友扫码了解和报名。

进一步交流

进入专业社群展开深度讨论

慎思行通过微信等平台覆盖超过10万战略人、咨询人等各类专业人士。我们也构建了专业社群，推动战略与咨询领域的问题讨论、信息交流和机会分享，社群已有超过5年历史，并成为了顶尖专业人士感知市场前沿，获得实践经验的首要选择。入群请添加慎思君微信，并提供名片。

现在微信公众号更改规则，如果你不特地点进来，很可能看不到我们的推送了。希望喜欢【慎思行】的读者朋友们将本号【设为星标★】，方便找到我们；也欢迎点击右下角的【在看】。

＞AI将如何改变战略？

＞AI对战略的影响 —— 嘉宾炉边谈 | 《战略简史》老友会