过去两年，我们已经打仗了不少AI工具和插件，比如帮我们写作的ChatGPT、帮我们画图的MidJourney、帮我们作曲的Aiva、帮我们制作视频的Sora 等等，这些AI工具已经让我们惊叹于人工智能的强大功能，它们在实行特界说务的能力与效率已经远超人类，然而，这还只是这场变革的序曲。
假定有一个机会，让我们可以根据各种业务场景任意创造新员工（AI Agent），它们不仅勤奋无比、思维理性，还拥有弘大的知识库；它们能够不懈追求既定目标，对每一项任务都井井有条地回应；更具备自主学习和发展的能力，随时准备通过新的实行工具和插件来拓宽能力边界；最主要的是，这些员工无需人为，从不知疲倦，还精通多种措辞。
这说的便是AI Agent 未来的落地场景，不管我们相不相信，愿不愿意，这场AI 带来的劳动力市场和社会组织变革都在加速进化中。
Agent Hospital ：AI 年夜夫比人类年夜夫还靠谱？
最近有一个关于AI Agent 在医疗领域运用的引人瞩目的案例，叫“Agent Hospital”。这是一个由清华大学研究团队开拓的医院仿真系统，这个别系仿照了从接诊、诊断到治疗的完全医疗流程，完全复刻了现实医院的各种问诊室、检讨室。AI Agent 扮演的14个年夜夫和4个护士完成了从分诊、登记、咨询、医学检讨、诊断、药物发放、康复和后续随访的全过程，全程与病人完备自主交互。
这些由大型措辞模型（LLMs）驱动的AI Agent 在几天之内接诊了上万名病人，是人类年夜夫效率的500倍，AI Agent 在检讨、诊断和治疗准确率分别达到了88%、95.6%、77.6%，呼吸疾病诊断准确率达到93.06%，高于人类专家的87%。只管这个别系目前尚未运用于真实病人，但它在医学问答数据集MedQA上的表现已经超越了现有技能。
清华大学的这项研究虽然只是一项AI Agent 的运用技能试验，但其深层含义堪比社会寓言。所有劳动密集型和长链条的繁芜业务场景，都有可能由于AI Agent 的涌现被彻底重构。即便是那些以知识为根本的行业，也可能在这次技能变革中被部分或完备替代。
为什么AI Agent 可以成为“超级员工”？
AI Agent 之以是能成为超级员工，是由于它实质上是一个通过整合多种AI工具来实行繁芜事情流程的模型架构。随着AI工具的不断增强和扩展，AI Agent 的事情能力也在不断提升。更为关键的是，AI Agent 采取了OKR（目标与关键结果）的事情方法，这不仅有助于明确目标，还能持续优化过程以确保终极成功。不雅观察者们预测，在未来的人类社会中，任何个人都可能通过演习AI Agent 来构建一个规模弘大如千军万马的企业，这种征象也被称为“一人制独角兽”。
AI Agent 的事情流程包括以下7个关键步骤：
设定目标：为AI Agent 设定一个清晰的目标，作为其事情流程的启动点。创建任务列表：基于设定的目标，AI Agent 自动创建任务列表，明确须要完成的任务、任务优先级和实行顺序，同时预设应对潜在问题的方案。网络信息：AI Agent 搜集实行任务所需的信息，涉及网络搜索、数据库访问及与其他AI模型的交互。管理数据：AI Agent 持续管理并剖析网络到的数据，这些数据包括直吸网络的信息以及与内外部互动中积累的知识和履历。整合反馈：AI Agent 利用市场数据、客户反馈及内部监控系统的信息，评估其向目标进展的情形，并据此调度任务策略和工具的利用。持续操作直至实现目标：AI Agent 通过不断的行动、反馈和调度，持续运作直至实现设定目标。这种持续的自动操作差异于传统软件，是其显著的特点。自适应学习：在全体事情过程中，AI Agent 不仅实行任务，还在实践中持续学习，通过积累的履历不断提升效率，适应新寻衅和环境。在理解AI Agent 的事情事理后，我们确实可以看到，借助调教好的AI Agent，不仅企业可以重构全部业务场景，单个个体也能借助AI Agent 调动重大资源，实现繁芜业务协作。这无论对付追求效率优化的企业，还是希望扩展能力边界的个人，都具有划时期的意义。
驾驭AI Agent，每个人都可以成为“超级员工”
2023年7月，麦肯锡发布了长达76页的报告，详细描述了AI对美国劳动力市场的未来影响。报告预测，到2030年，AI Agent 可能替代的事情韶光将达到美国经济总事情韶光的30%，估量1200万人将须要进行职业转换。这不仅是对个人的寻衅，也是政策制订者、企业领导者和社会各界须要共同面对的寻衅。
报告还充满诚意的描述了多种工种进行职业转换的路径，比如：当一个汽车技能员转为风力涡轮机技能员时， AI Agent 通过仿照的风力涡轮机维修场景，利用现场数据为工人供应实时故障诊断和维修方法。这使工人能够闇练利用高等工具和技能，有效整合和利用繁芜的资源，从而掌控繁芜的事情流程。
繁芜业务环境，已为创造“超级员工”准备了演习数据
与美国等国家比较，中国市场在采取AI Agent 技能时显示出了独特的策略和节奏。一方面是中国市场的务实主义，强调快速履行与规模化运用；另一方面，在高度竞争的市场环境中，传统的高效事情模式已经帮助中国积累了大量的操作数据和用户交互履历。这些数据不仅包括直接的业务操作数据，还涵盖用户行为数据和各种仿照环境中天生的数据，这为AI Agent 模型的演习供应了宝贵资源。
举个例子，社群运营这一事情职责整合了市场营销、客户做事、发卖等多种角色。社群运营职员不仅须要产生吸引人的内容，如在社交媒体上发布图片和视频，还要精通在线发卖，懂得把握客户的痛点，推动发卖转化。进入做事和发卖环节后，他们还需与公司内部各部门进行有效沟通协作。此外，社群运营职员还要卖力统计和剖析运营数据，向上级申报请示，在这样的环境中快速发展的专业职员，供应了丰富的学习样本给AI模型。正是这些实际的繁芜业务操作案例，使得中国在AI Agent 在场景落地和模型的演习上具有弯道超车的潜力。