如果 Agentic AI 清除了高障碍，它们可以改变网络

快速阅读: 据《快速模式》最新报道，自主代理AI的兴起有望使网络更加动态和自我优化，但面临复杂性和过高期望的挑战。企业应寻求与经验丰富的供应商合作以实现成功。此外，预测型AI因其明确的投资回报和易集成性，在企业应用中更具优势。生成式AI在客户服务中仍具价值，尤其在提高联络中心生产力方面。总之，合作与选择合适的AI类型将是关键。

自主代理AI的崛起有望将枯燥静态的网络转变为动态、自我优化的实体。想象一下，网络能够预测拥堵，自主重新路由流量，并主动防御网络威胁，这一切都由追求用户定义目标的AI代理驱动。然而，这一转变充满挑战。自主代理架构的复杂性——需要多个AI模型之间复杂的互动、多个检索增强生成堆栈以及复杂的数据架构——将成为重大障碍。目前围绕自主代理AI的炒作，由于希望将生成式AI推向更复杂的任务，导致了过高的期望。构建这些代理需要专门知识，并且对齐不同模型并不容易。企业将尝试建立自己的自主代理网络架构，但我担心其中许多将无法达到预期效果。那些成功的将是那些采取合作伙伴路线的企业。成功的实施将严重依赖与经验丰富供应商和系统集成商的合作，他们能够驾驭复杂性并提供定制解决方案。精明的企业将意识到自身当前的局限性，并利用这些合作来构建创新的自主代理网络，而其他企业则难以跟上步伐。我们仍处于实验阶段，但一个更大、更智能的网络正在形成。

**1. 企业选择预测型AI而非生成式AI**

目前，在企业应用中预测型AI和生成式AI几乎势均力敌，但我看到了一种转变。实际考量将促使企业选择预测型AI而非生成式AI。预测型AI在欺诈检测和个人化推荐等实际成果方面有着悠久的成功历史。投资回报更有保障，更易于量化，其操作可控且透明，并且更容易将其应用程序集成到遗留系统中，成本和专业技能要求较低。

**2. 生成式AI在客户服务中的相关性**

正如我所说，对AI投资回报率的关注将导致企业在网络实验上缩减规模。他们将着眼于能带来实际结果的项目。在某些领域，生成式AI仍然可以实现这一点。其中之一是AI驱动的联络中心，其中AI/网络组合已经显示出即时的积极效果。麦肯锡的一份报告发现，将生成式AI应用于客户服务功能可提高30%-45%的生产力。AI可以作为虚拟助手辅助人工座席，或直接与客户交互的虚拟座席。企业将根据其AI的复杂程度有不同的选择。这些结果可能包括实时、精确的客户问题解答，或将客户引导至正确的呼叫座席。现在在联络中心部署这些AI工具变得更加容易。它们几乎不需要编码经验，用于训练学习模型的数据是公司拥有的数据，已经存在于他们的系统中。AI驱动的联络中心将在2025年成为我们看到的简单且安全的提升。

(以上内容均由Ai生成)