周健：Agentic AI代表着大模型的技术更迭与落地状态

专题：2024中国AIGC创新发展论坛(tán)

　　2024年服贸会专题(tí)活动之一——“第六届中国金融科技(jì)论坛”于9月12日-13日在北京(jīng)举(jǔ)行。上海澜码科(kē)技有限(xiàn)公司创始人兼CEO周健出席并(bìng)演讲。

　　据周健介(jiè)绍，AI Agent是(shì)能够感知环境，基(jī)于目标进(jìn)行决(jué)策并执行行动(dòng)的智能化应用。Agent技术的核(hé)心在于与环境的(de)互动，而大模型本身(shēn)不具备感知和改变环境的能(néng)力。AI Agent可以通(tōng)过外挂知识库和记忆系(xì)统，赋(fù)予Agent更(gèng)多的学(xué)习能力、感知(zhī)能(néng)力(lì)。而AI Agent与Copilot最大的(de)区别在于(yú)自主性，Agent是帮助人类完成目标，Copilot则需要根(gēn)据用户设置的目标，一步(bù)步与人互动，并(bìng)完成(chéng)用户的目标。

　　他指出，随(suí)着大模型能力(lì)的(de)不断增强(qiáng)，Agent的能力不断丰富，我们有可能在未来看到AI模型像人类一样处理复杂(zá)的逻辑推理任(rèn)务，深刻(kè)变革企业(yè)的组织结构、人(rén)员配备乃至(zhì)业务流程。无论是(shì)处理(lǐ)端到(dào)端重复性的业(yè)务内容，还(hái)是跨(kuà)部门协作，AI都在增强人类的工作效率。

　　周健说，未来，AI有望在角色、团队和业务层面逐步取代部分人力工作。目前，数字化技术如API、BI、OCR以及低代码平台(tái)等(děng)，已经在各个层面发挥其独特作用。AI可能更多在业(yè)务(wù)处理量和业(yè)务活动上表(biǎo)现突出，未来，AI的应用能力预(yù)计将得到进一步的扩展和增强(qiáng)。

　　以下(xià)为演讲(jiǎng)实(shí)录：

　　澜(lán)码科技是一家“AI原生”的企业，创办于(yú)大模型技术问世后。大模型行业(yè)发展迅速，就(jiù)在(zài)昨天深夜，OpenAI发布了全新的(de)o1模型，重(zhòng)新定义了代码和计算方式。我们在过去的18个月里(lǐ)快速前行，沉淀(diàn)了丰富的(de)行业实践与经验，今天想借此机会，分享我们在金融行业的应用实践与未来展(zhǎn)望。

　　首先，我想介绍一(yī)个新的概(gài)念——Agentic AI。我个人认为这一概念(niàn)比AI Agent更为贴切，因(yīn)为它不仅表达了一种技术形态，更代表着一种持(chí)续演进(jìn)的状态。大(dà)模型(xíng)的发展过程类似(shì)于自动驾驶的分级，当前我(wǒ)们(men)已(yǐ)进入了“Number 2”阶段，而未来还会有更多层次，如“Number 3”、“Number 4”等，正如自动驾驶(shǐ)历经十年的演进一样(yàng)，AI大模型(xíng)在(zài)推动(dòng)企业数智化转型，包括在金(jīn)融行业的应用，也将是一个持续不断的过程。

　　当(dāng)前的大模型(xíng)主(zhǔ)要(yào)分为三个不(bù)同的(de)品类。第一个是纯文(wén)本(běn)模(mó)型，OpenAI最新发布的o1模型就属于这一类(lèi)；第二类是(shì)多模态(tài)模型，能够处理文本、图像(xiàng)、视频等多种输入和输出；第三(sān)类是全实时(shí)、端到端的模型，能(néng)够在多(duō)模态环(huán)境下整(zhěng)合各(gè)类信息，如GPT-4o。纯文本模型虽然相对成(chéng)熟，但仍存在幻觉等问题，而多模态和实时模型则代表(biǎo)了未来的(de)发展方向。

　　纯文本模型与传统软件开发的区别在于(yú)它为我们提(tí)供了两个全新(xīn)的通用能力：信息提取能力和(hé)指令遵循能力。以往(wǎng)我(wǒ)们需要耗费大量工程师资源进行算法开(kāi)发，现在，利用大模型，一个工程师仅需一周时间便可完成复杂的简历筛选任务。

　　而指令遵循能力是指大语言模型完(wán)全可以理解(jiě)人类的自然(rán)语言去执行(xíng)相应的工(gōng)作(zuò)，这就意味着AI可以理解各(gè)种(zhǒng)各样的(de)内容，包括文档、数据、应用、流程等，我们能够将数字世界（互(hù)联网网页，企业内部ERP、CRM系统(tǒng)）、智能世界以及其它智(zhì)能体结(jié)合(hé)，代表企业员工在(zài)领域(yù)模(mó)型(xíng)的指导之下完成复杂的任务。

　　我们认为，AI Agent是能够感(gǎn)知(zhī)环境，基于目标进行决策并执行行(xíng)动的智能化应用。Agent技术的核心在于与环境(jìng)的互动，而大模型本身不具备(bèi)感知和改变环境的能力。AI Agent可以通过外挂知识库和(hé)记忆(yì)系统，赋(fù)予Agent更多(duō)的学习(xí)能(néng)力、感知能力(lì)。而AI Agent与Copilot最大的区别在于(yú)自主性，Agent是帮(bāng)助人类完成目标，Copilot则需要(yào)根据用户设置的(de)目标，一步(bù)步与(yǔ)人互动，并完成用户的目标。

　　谈到学习能力，传统大模(mó)型依靠预训练的(de)方式(shì)学习，而我们正在(zài)探索如何让(ràng)AI更好地理解和运用企业内部的专家知识。

周健：Agentic AI代表着大模型的技术更迭与落地状态　　我们认为，专家(jiā)知识可以分为不同的层次，冰(bīng)山之(zhī)上都是(shì)可以(yǐ)用自然语言描述的，如：过程性知识、规则性知(zhī)识、事实知识等等；冰山之下的则是大模型尚未发掘的隐性知(zhī)识——企业内部的专家知识。这些知识往(wǎng)往与具体行业和企业运营模式相关，是动(dòng)态(tài)的、领域性的(de)、智慧性的、无法通过(guò)纯文本训(xùn)练获得(dé)的(de)。因此(cǐ)，我们希望通(tōng)过AI Agent将这些隐性知识数字(zì)化，从而使(shǐ)AI Agent能达(dá)到更高层次(cì)的水平，进一步推动企(qǐ)业的数(shù)智化转型。

　　当前，随着AI技术的发展，大模型的推理(lǐ)能力正在不断提高。之前大模型的能力还(hái)处于“Number 1—高中(zhōng)生”水平(píng)。今(jīn)天凌晨OpenAI发(fā)布了最新(xīn)模型o1，并表示o1可以推理复杂的任务，目前已达到“博士(周健：Agentic AI代表着大模型的技术更迭与落地状态shì)生的水平”

　　那么，如(rú)何理解两种水平的差异？刚毕业的(de)高(gāo)中生与博士(shì)生的薪资差距最多在5倍，但(dàn)大模型落地所产生的算力差距(jù)是十倍、百倍、甚至是千倍，这意(yì)味着参数本(běn)身代表着更好的模型(xíng)效果周健：Agentic AI代表着大模型的技术更迭与落地状态，同时也(yě)会带来(lái)成本的大(dà)幅提(tí)升。

　　当然，根据(jù)智能摩(mó)尔定律，这个（成本）曲线会往下降，但本身是符合这个规(guī)律的。因此我们需要找到更经济有效的方式来应用这些先进的AI技术。

　　从(cóng)ROI的视角来看，AI Agent可以实现“更大规模的上下文”理(lǐ)解，基于企业已有系统，把(bǎ)企业(yè)内部的组织结构、人员技能、业务流程结合，并将(jiāng)流(liú)程结果记录下(xià)来，实现Agent像人一样(yàng)工作。从这个角度出发，团队结构变为一个专家加上100个数据员工再加上大模型，相比于10个专家与100个数据员工的(de)配置，成本效益曲线可能会发生(shēng)变化。

　　Agentic AI在金融业的落地实践

　　随着大模型能力的(de)不断增强，Agent的能力不断丰富，我们有可能(néng)在未来看到AI模型像人类一样处理复杂的逻(luó)辑推理任务，深刻(kè)变革企业的组织结构、人员配备乃至业务流程。无论是处理端到端重复性(xìng)的业务(wù)内容，还是跨部门协作，AI都(dōu)在增强(qiáng)人类(lèi)的工作效率。

　　我们认为，未(wèi)来，AI有望在角色、团队(duì)和业(yè)务层面逐步取代部分人力工作。目前(qián)，数字化(huà)技术如(rú)API、BI、OCR以及低代码平台等，已经在各个层面(miàn)发挥(huī)其独特作用。AI可(kě)能(néng)更多在(zài)业务处理量(liàng)和业务(wù)活动上表现突出，未来(lái)，AI的应用能力预(yù)计将(jiāng)得到进一步(bù)的扩展和增强。

　　这(zhè)是澜码科(kē)技现在的产品架构。我们从业务流(liú)程视角去改进、增强、替代人的能力。

　　最底层是工作流，我们通过低(dī)代码的方式将复杂的业务流程编排成可自动执行的任务，让AI Agent能完成一些(xiē)简单(dān)的业务任(rèn)务；

　　再向上一层是对话流，这是我们的创(chuàng)新(xīn)之处，基于大(dà)模型的理解能(néng)力，Agent能够深入理解人类需(xū)求，在处理复杂任务时(shí)，能够清晰地(dì)界定业务活(huó)动的各个环节，实现(xiàn)自动化处理复杂的业务内容；

　　在业务处理(lǐ)层(céng)面，我(wǒ)们有能力将不同的业务内容进行编(biān)排和整(zhěng)合(hé)，采用多样化的方法来解决(jué)业(yè)务(wù)活动(dòng)中的复杂问题。

　　以澜码为保险行业提供的(de)销售增强解决方案为例(lì)，我们主要帮助客(kè)户解决了保险代理在解读体检报告和精准推荐保(bǎo)险产品方面的难(nán)题。传统上的保险代理可能缺(quē)乏必(bì)要(yào)的专业知识来准确解读体(tǐ)检报告，并据此为用户推荐合(hé)适的保险产品。

　　基(jī)于此，我们能够将保险公司的业务专家知识和经(jīng)验整理成可操作的指导或规则，通过工作流将信息抽取、指引(yǐn)和遵循等步骤自动化，从而提高处理体检报(bào)告的效率。同时，根据体检报告的内容，AI Agent能(néng)够给(gěi)出符合(hé)个人健康状况的保险产品推荐。在(zài)实际应用中，这一解决方案(àn)在某地级市处理的10万份(fèn)体检报告案例中，显著提高了保险业务人员的转化率。

　　目前，我们也正(zhèng)在与一家股份(fèn)制(zhì)银行合作，开发针(zhēn)对(duì)银行对公客户经理的营销客户解决方案。在银行业，营销是目前至关重要的一个领域，这也是Gartner所提到的，生成式AI在银(yín)行业最重要的是营销场景。

　　我们打造的(de)方案旨(zhǐ)在让客户经理(lǐ)将更多的时间和精力投入到客户关系上，而不(bù)是花费大量时间去理解和(hé)制定复杂的金(jīn)融方案。制定可行化金(jīn)融方案通常是比较复杂的，包括理解客户需求、用户行为习惯，并据此制(zhì)定存款方案。方案包括利息计算和比较等(děng)。而这些工作往往涉及多个不同的系(xì)统(tǒng)，我(wǒ)们通(tōng)过基本能力的封装，为企业提供对公客户(hù)经理(lǐ)辅助Agent，从而提升他(tā)们的工作效率和自动化水平(píng)。

　　此外，我们在获客转化过程(chéng)中，可以利用企查查等各种数(shù)据平(píng)台获取信息，挖掘(jué)供应链的上下游关系，帮助客户经理更准确(què)地(dì)描绘(huì)客户画像，从而更有效(xiào)地(dì)吸引优质客户。

　　新浪声(shēng)明：所有会议实(shí)录均为现场(chǎng)速记整(zhěng)理，未(wèi)经演讲者审阅，新浪网登载此文(wén)出于传(chuán)递更(gèng)多信息之目的，并不意(yì)味着赞同其观点或(huò)证实其描述。

责任编辑：梁(liáng)斌 SF055

未经允许不得转载：橘子百科-橘子都知道周健：Agentic AI代表着大模型的技术更迭与落地状态