虽然ChatGPT、Claude、Gemini等聊天机器人在人工智能领域近期占据了主导地位，但对于大多数公司而言，这并非最终目标。它们的愿景是开发出能够像人类一样，甚至超越人类进行推理的人工通用智能（AGI）。然而，这需要经历多个逐步发展的阶段。

聊天机器人确实展现了巨大的潜力，但其作用也存在局限性。由于缺乏自主性，它们在提升效率和生产力方面的贡献有限。在追求高效的世界里，这种局限性导致聊天机器人在营收方面未能达到预期。不过，聊天机器人只是这一发展阶梯的基础。

正因如此，AI公司将未来的赌注押在了AI agent上，认为它们才是AI的最直接未来。AI agent既不同于聊天机器人，也不同于当前网站上的大多数客户支持机器人。它们能够超越遵循指令的范畴，自主做出决策。

与当前的客户支持机器人互动往往令人疲惫，因为它们通常无法解决问题，即使能解决，也需要很长时间。相比之下，人工代理在效率和能力上更胜一筹。然而，随着具有自主性的AI agent的出现，这种情况将会改变。

什么是AI agent？

关于AI agent的定义，即使是专家也没有给出确切的答案，但他们拥有一个不断演进的愿景。可以确定的是，AI agent是能够在现实世界环境中自主进行复杂决策的模型。它们仍然需要偶尔的人类指导和干预，但能够处理的任务范围要大得多。

像ChatGPT这样的聊天机器人可以提高人类的生产力，但AI agent则能在较低层面上取代人类。与当前生成式AI机器人只是生成下一个可能句子中的单词不同，AI agent能够思考和推理。例如，OpenAI的o1形式已经为我们展示了推理模型的预览。

然而，思考和推理只是AI agent的一个方面。它们还应具备在复杂和动态环境中追求人类设定目标的能力，而无需进行教学。因此，与当前聊天机器人需要人类在每个步骤中指示相比，使用AI agent时，只需设定目标即可。此外，AI agent还应是主动的，不像聊天机器人那样需要等待提示。

另一个重要方面是，AI agent能够通过反馈进行学习，不断改进工作。它们甚至不需要依赖人类的反馈来学习和进步，而是可以通过自身经验进行学习。

AI agent如何工作？

以AI agent处理客户投诉为例，它们不仅仅是按照通用指令处理并追求预定结果。它们能够查找客户参考ID和内部文件，根据需要询问进一步问题以了解问题，并提供解决方案。如果无法提供帮助，它们还可以将客户转接给人工代理。

AI agent不仅擅长客户支持，还将在软件开发等领域发挥重要作用。预测显示，未来三年内，许多组织将使用AI agent来编写和重写代码，开发人员将转向审查者的角色。许多公司正在为其内部工作量开发代理系统，并已从概念验证阶段发展到试点阶段。

AI agent已经在许多公司内部部署，用于各种任务。一些公司已经向企业客户提供了初始版本，如Salesforce的Agentforce。在完全取代呼叫中心员工之前，只需几年时间。大多数公司还将实施多个AI agent系统，每个系统用于处理不同任务，这些代理可以相互通信和协作。

企业越来越多地在不同角色中采用AI agent，但它们的应用不仅局限于企业。一些公司正在改进个人助理的功能，使其在应用人工智能方面更加有用。理想的AI agent将像人类助手一样，能够代表用户进行购买、预订和管理旅行、安排会议并发送邀请等。它还应能够使用和与其他工具交互，如网络搜索、编程，甚至其他人工智能工具。

理想情况下，AI agent还将是多模态的，能够原生处理音频、图像和视频作为输入。当然，AI agent不会是单一类型的，不同情况需要不同的技能集。

AI agent的当前局限性

目前，完全自主且有用的AI agent面临许多挑战。要使它们真正自主且有用，需要降低错误率。当前AI极易产生幻觉，为了实现更广泛的应用，错误率至少需要降低到低于1%。此外，还需要解决它们在何时将问题转交给人工代理的问题，以及在推理过程中如何解决探索性问题。

上下文也是AI agent面临的一个问题。以当前形式使用AI聊天机器人进行编码时，很容易对其编码能力感到失望。这主要是因为上下文的限制。此外，还需要考虑安全问题和访问控制，以确保AI agent只执行授权操作，不访问未授权信息。同时，还需要注意安全漏洞，如提示注入。

所需的训练数据和计算资源也是一个障碍，但AI公司正在不懈努力解决这些问题。例如，谷歌已经提供了一个200万个上下文窗口，并着手使其无限扩展。

尽管目前AI的能力可能不如我们期望的那样，但这一天离我们并不遥远。事实上，它比大多数人想象的更近。随着技术的不断进步和问题的逐步解决，AI agent的未来充满了无限可能。