人工智能（AI）专家普遍认为，2025 年将是智能体（agent）爆发之年。
去年底，Gartner 也将 agentic AI 列入了 2025 年十大技术趋势之一，并预测 2028 年将至少有 15% 的日常工作决策由 agentic AI 自主完成，而这一数字在 2024 年为 0。
随着大模型在多模态理解、逻辑推理等方面的进一步发展，agent 或将在 2025 年迎来大规模落地应用，替代人类自主解决越来越多的日常工作。
日前，Salesforce 首席科学家、斯坦福大学计算机科学兼职教授 Silvio Savarese 在一篇文章中探讨了 agent 系统的发展前景、在这一过程中需要人类提供哪些帮助，以及有关 agent 的信任和问责问题。
他表示，正如音乐从单音旋律发展到复杂的交响乐一样，agent 也正从「个体演奏者」发展到「管弦乐团」。从现在开始，几乎所有企业——从个人贡献者到高管——不仅可以协调人类劳动力，还可以协调数字劳动力。
'未来不是人类与人工智能的对决，而是双方协同合作，发挥各自的独特优势。'
在由 AI agent 网络增强的新兴格局中，人类在工作中的角色变得比以往任何时候都更有能力、更有趣、更有创造力。我们现在已经迎来了人工智能的第三次浪潮，它以预测式和生成式人工智能为基础。从人才招聘到超级医疗保健，我们现在将看到人工智能与人类在各个领域合作，以更快的速度满足各种需求，而且在许多情况下比人类本身更准确。Agentic AI 需要一些时间来产生效应，但它将改善我们工作的许多方面：生产力、效率、战略决策，以及总体工作满意度。
欢迎来到 Agentic AI 时代的黎明。从现在开始，几乎所有企业——从个人贡献者到高管——不仅可以协调人类劳动力，还可以协调数字劳动力。
我们将看到信任和问责制作为三个阶段演进的基石：掌握离散任务的专业 agent，多 agent 系统无缝协作，以及重写业务运作方式的企业级编排。
以下是我们对 agent 系统发展前景的展望，以及在发展过程中需要人类提供哪些帮助。
agent 的演变：从规则到推理
大语言模型（LLM）是一种经过训练的深度学习模型，能够理解文本并生成文本。agent 的发展反映了机器学习本身的发展。传统的基于规则的系统，如机器人流程自动化（RPA），能够执行精确的序列，但在面对（周围环境）变化时的表现不佳。这些早期实施需要大量的技术开销和咨询服务，给许多组织带来了很高的准入门槛。
在过去的几十年里，我们见证了渐进式和突破性的进步，这些进步改变了机器处理信息的方式——从僵化的自动化发展到更加灵活、适应性更强、效率更高的学习系统。但是，更令人兴奋的是我们的发展方向：通过多 agent 推理实现自适应 agent——agent 可以从环境中学习，通过经验不断改进，并与人类和来自企业客户、合作伙伴、供应商的 agent，甚至消费者的个性化人工智能助手进行协作，而人工智能助手正在成为他们生活中越来越重要的一部分。企业 agent 的未来将分为三个阶段，而我们现在只是刚刚开始。
企业 AI agent 的三个阶段
正如音乐从单音旋律发展到复杂的交响乐一样，AI agent 也正从个体演奏者发展到管弦乐团。每个阶段都建立在上一个阶段的基础上，在企业环境中创造出更丰富、更细微的互动。
第 1 阶段：'单音'人工智能——专业贡献者
在 agent 演变的第一阶段，专业 agent 擅长特定行业中的特定任务，为常规但关键的业务运营带来更高的效率和准确性。它们代表了企业人工智能采用的基础，以一致性和速度处理离散任务，从而转变部门工作流。它们还擅长提供人工智能迄今取得的进步所带来的好处，如预测下一个最佳行动和产品推荐，根据每个客户的偏好和行为进行高度个性化。此外，它们还能为客户、服务人员和销售代表——无论是人类还是机器人——提供最高水准的生成指导、营销语言和通信。
例如，在商业领域，它们彻底改变了库存和账户管理。事实上，agent 不只是处理基本的库存检查，还能主动监控多个地点的库存水平，预测季节性需求，并生成实时账户摘要，以标记异常模式或机会。过去需要数小时人工分析的任务，现在只需几秒钟就能完成，而且具有更大准确度和深度，为零售客户带来优化、个性化和近乎'神奇'的体验。
服务运营也有类似的转变。除了基本的账单汇总外，agent 还能分析客户互动模式，自动分类和为服务请求设定优先级，并生成关于客户需求的预测性见解。他们会发现客户行为的趋势，这些趋势可能预示着满意度问题或扩展机会，从而为服务团队提供可操作的情报，而不是原始数据。其结果是，客户服务让终端客户感觉毫不费力、环境友好，几乎无处不在——他们的问题往往在不知不觉中就得到了解决。
在金融服务领域，agent 重新定义了客户服务效率。在处理纠纷确认时，他们会分析交易历史，识别潜在欺诈活动的模式，并自动触发相关的安全协议。在财务规划方面，它们通过关联市场数据、个人客户历史和广泛的经济指标来生成综合分析。如果使用得当，agent 将为企业带来前所未有的后台效率，并为消费者提供下一代零售银行业务、投资指导和财富管理体验。
