AI重塑工作与协作：从助手到伙伴的转变

快速阅读: 2025年TechSparks会议讨论AI代理如何改变企业协作与生产力。专家们分享了AI在企业中的应用前景，强调了安全、情境感知的重要性，并探讨了AI与人类的合作模式。

随着代理型人工智能从任务执行者转变为自主合作者，它正在重塑职场层级、创造力和责任分配。从金融到人力资源，AI代理正悄然自动化过去由人类处理的决策层。

在2025年的TechSparks会议上，Ankush Sabharwal（CoRover.ai创始人兼首席执行官）、Jithendra Vepa（Observe.AI联合创始人兼首席技术官）和Manoj Agarwal（DevRev联合创始人兼总裁）组成的小组讨论了AI代理如何改变企业协作和生产力。

会上，Agarwal分享了DevRev对于AI如何变革企业景观的愿景。“以今天的ChatGPT为例，它之所以有效是因为训练时使用了大量的公开互联网数据。OpenAI通过权重和偏置应用于大型语言模型，成功地将这些海量数据结构化。”他说，“但在企业界，数据不是公开的——它是私有的，受安全、合规性和基于角色的访问控制管理。因此，挑战在于：如何在企业的安全环境中创建类似ChatGPT的体验？”

这个问题启发五年前成立了DevRev。

“我们希望建立一个系统，不仅让团队能够搜索企业数据，还能对其做出推理、采取行动、解决问题，并更智能地协作。简而言之，我们要实现的是安全、情境感知且真正企业级的人工智能协作。”

Observe.AI的联合创始人兼首席技术官Vepa回顾了公司的历程。“八年前，我们创立Observe.AI，目标是利用AI改造呼叫中心。”他说，“呼叫中心是客户洞察的金矿，但由于质量检查和培训等流程仍然手动且主观，大量数据未被充分利用。”

传统上，代理只会在几周内评估一两个电话——这是一个有偏见且有限的样本。

“于是我们想到，为什么不利用AI分析所有对话？这样，评估就变得客观，代理也能获得实时反馈以提高表现。”Vepa解释说。

随着时间推移，Observe.AI的关注点从分析扩展到了实时辅助。“随着大型语言模型和检索增强生成的进步，代理现在可以即时找到准确答案，而无需让客户等待他们翻阅庞大的文档。早期的聊天机器人是反应式的——它们回答问题。这些新的AI代理能理解意图、采取行动并持续学习。它们不仅仅是助手，而是合作者。”

Sabharwal描述了公司如何从聊天机器人发展成为全方位的企业AI平台。

“以前，我们告诉企业，你需要一个聊天机器人。如今，我们告诉他们，不要在意那些流行术语。无论是称为AI、代理还是解决方案——关键在于解决实际业务问题。”

CoRover帮助企业基于专有数据构建自己的小型语言模型。通过其生成式AI护理平台，提供预建的销售、支持和工作流自动化解决方案。

成立于2016年，该公司现在拥有超过4万名开发者的社区，并在平台上创下了单日创建7000个AI代理的世界纪录，打破了谷歌此前2000个的记录。

“但我们真正感到兴奋的不是这些记录或技术——而是我们如何帮助企业实现目标，即使只是推动1%的进步。”Sabharwal说。

此外，创业者必须进行彻底的自我革新：Ronnie Screwvala

在代理型世界中衡量生产力

当同事是算法时，如何衡量生产力？

“在传统自动化的确定性世界里，我们知道逻辑是什么——同一个问题问一百万次，你会得到同样的答案。”Agarwal说，“但在代理型AI的世界里，生产力不再是重复性，而是适应性。”

他补充道，“我们正从遵循规则的机器转向能够推理的系统。起初，AI处于辅助模式，帮助人类做出更好的决策。随着时间推移，随着信任的建立，我们转向自动模式——AI和人类并肩合作，各自定义优先级和任务路由。这才是真正的生产力所在。”

对于Vepa来说，AI的进化不是替代而是协作。“我更倾向于将其视为人机协作。”他说，“当今大多数客户互动都始于一个验证并解决简单问题的机器人。如果无法解决，则无缝转交给真人代理。所有权不是一边独占——而是共享。”

Observe.AI通过严格的测试确保可靠性。“就像人类代理接受流程和政策的培训和评估一样，AI代理也通过合成对话来测试其可预测性。我们已经从确定性范式转向概率性范式——但即便如此，我们也能清楚识别AI表现最佳的地方和偏差出现的位置。”

当被问及人工智能的局限性和幻觉风险时，萨巴尔瓦尔态度坚决。

“作为一家公司，我们无法接受AI代理即使有1%的幻觉——因为我们是在B2B领域运营。对于孩子或像ChatGPT这样的通用模型来说，幻觉是可以接受的——这些是为了探索。但是，当你在构建银行、金融知识或火车票预订等领域的代理时，不允许有任何错误。如果AI给出错误答案，用户就会失去信任。”

他还补充说：“我们宁愿不回答也不愿产生幻觉。这些代理不是为了娱乐——它们是为了建立信任、准确性和目的而设计的。”

有趣的是，萨巴尔瓦尔指出，虽然理论上由人类接管听起来很理想，但大多数企业客户都会避开这种情况。

“我们为印度储备银行、国家支付公司、印度铁路旅游服务公司、证券委员会和人寿保险公司构建的解决方案都无需人工干预——仍然保持超过95%的准确性。”他说。

他以一个深刻的人性化例子结束了讲话：“一名学生在我们的平台上建立了一个代理，以延续他已故母亲的教诲。正是这样的故事提醒我们——当以正确的意图构建时，AI可以非常人性化。”

(以上内容均由Ai生成)