周健：Agentic AI代表着大模型的技术更迭与落地
状态

专题(tí)：2024中国(guó)AIGC创(chuàng)新(xīn)发(fā)展(zhǎn)论坛

　　2024年服贸会专题活动(dòng)之(zhī)一——“第六届中国金融(róng)科技论坛”于(yú)9月12日-13日在北京举行。上海澜码(mǎ)科技有(yǒu)限公司创始人兼(jiān)CEO周健出席并演讲(jiǎng)。

　　据周健介绍，AI Agent是能够感知环境，基于目标 进行决策并(bìng)执(zhí)行行动的智能(néng)化应(yīng)用。Agent技(jì)术的核心在于与环(huán)境的互动，而大模型本身不(bù)具(jù)备感知和改变环境的能力。AI Agent可以通过外挂知(zhī)识库和记忆(yì)系统，赋予(yǔ)Agent更多的学习能力、感知能力。而AI Agent与Copilot最大的区别(bié)在于自主性，Agent是帮助人类完成(chéng)目标，Copilot则需要根(gēn)据用户设置的目标，一步(bù)步(bù)与人互动，并完成(chéng)用(yòng)户的目标(biāo)。

　　他指出，随着(zhe)大模型能力的不断增强，Agent的 能力不(bù)断丰富，我们有可能(néng)在未(wèi)来看到AI模型 像人类一
样处理复杂的逻辑推理任务(wù)，深刻变革企业的(de)组织结构、人员配备乃至业务流程。无论是处理端到(dào)端重复(fù)性的业务内容，还是跨部门协作(zuò)，AI都在增强人类的工作效率。

　　周健说，未来，AI有望在角(jiǎo)色、团队和业务(wù)层面逐步取代部分人力工作。目(mù)前，数字化技术(shù)如API、BI、OCR以及低代码平台 等，已(yǐ)经在各个层面发挥其独特(tè)作用。AI可能更多在(zài)业务处理量和业务活动上表现 突出，未来，AI的应(yīng)用能力预计(jì)将得(dé)到进一步的扩展和增强。

　　以(yǐ)下为演讲实录：

　　澜码科(kē)技是一家“AI原生”的企业，创办于大模型技术问(wèn)世后。大(dà)模型行业(yè)发(fā)展迅速，就在昨天深夜，OpenAI发布了全新的o1模型，重新定义了(le)代码和计(jì)算方式。我们(men)在过(guò)去的18个月里快速前行(xíng)，沉淀了丰(fēng)富的行业实践与(yǔ)经验，今天想借此机会，分享我们在(zài)金融行业的(de)应用实践与未来展望。

　　首先，我想介绍一个新的(de)概念——Agentic AI。我个人认(rèn)为这一概念(niàn)比AI Agent更为贴切，因为它(tā)不仅表(biǎo)达(dá)了一种(zhǒng)技术形态，更代表着一种持续演进的状态。大模型的发展过程类似于自动驾驶的分(fēn)级，当前我们(men)已进(jìn)入了“Number 2”阶段，而(ér)未来还会有更多层次，如“Number 3”、“Number 4”等，正如自动驾驶历经十年的演(yǎn)进一
样(yàng)，AI大模型在推动企业数智化转型，包(bāo)括(kuò)在金融行(xíng)业的应用，也将是一个持续不断的过程。

　　当前的大模型主要分为三个不同的品类(lèi)。第一个是纯文本模型，OpenAI最新发布的o1模型(xíng)就属于这一类；第二类是多模态模型，能够处(chù)理文本(běn)、图像、视(shì)频等多种(zhǒng)输入和输出；第(dì)三类是全实时、端到端的模型，能够在(zài)多模态(tài)环境下整合各类(lèi)信息，如GPT-4o。纯文本(běn)模型虽然相(xiāng)对成(chéng)熟，但(dàn)仍存在幻(huàn)觉(jué)等问题，而多模态和实时模型则代表
了(le)未来(lái)的(de)发展方(fāng)向。

　　纯文本模型(xíng)与传(chuán)统软件开发的区(qū)别在于它为我们提供了两个全新的通用能力：信息提取能力和指令遵循能力。以往我们需要耗费大 量工(gōng)程师资源(yuán)进行(xíng)算法开发，现在(zài)，利用大模型，一(yī)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(zhǐ)令遵循能力是指大语言模型完全可以
理(lǐ)解人类的自然语(yǔ)言去执行相应的工作，这就
意味着AI可以理解各种各样的内容，包括文档、数(shù)据、应(yīng)用、流程等，我们(men)能(néng)够将数(shù)字(zì)世界（互联网网页，企业内部ERP、CRM系(xì)统）、智能世界以及其它智能体(tǐ)结(jié)合，代表企业员(yuán)工在领域模型的指导之下完成复杂(zá)的任务(wù)。

　　我(wǒ)们认为，AI Agent是能够感知环境，基(jī)于目(mù)标进行(xíng)决策并
执行行动的(de)智能化应用。Agent技术的核心(xīn)在于与环境的互动，而大(dà)模型本身(shēn)不具(jù)备感(gǎn)知和改变 环境的(de)能力。AI Agent可以通过外挂知识库(kù)和记忆系统，赋予Agent更(gèng)多的学习能(néng)力、感知能力。而AI Agent与Copilot最(zuì)大的区别在(zài)于自主性，Agent是帮助(zhù)人类完成(chéng)目标(biāo)，Copilot则需要根据用户设置的目标，一步步与人互动(dòng)，并完成用户的目标。

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

　　我们认为，专家知识(shí)可以分为不同的(de)层次，冰(bīng)山(shān)之上都是可以(yǐ)用自(zì)然语言描述的，如：过程(chéng)性知识、规则性(xìng)知识、事实知识等等；冰山之下的则是大模型尚未(wèi)发掘(jué)的隐性知识——企业内部的专家知识(shí)。这些知识往往与具体行(xíng)业和企业运营模式相关，是动态的(de)、领
域性(xìng)的、智慧性的、无法通过纯文本训练获得的。因此，我们希望通过AI Agent将这些隐性知识数字化，从而使AI Agent能达到(dào)更高层次的水平，进(jìn)一步推动企业的数智(zhì)化转型。

　　当前，随(周健：Agentic AI代表着大模型的技术更迭与落地状态suí)着AI技术的(de)发展，大模型的推理能力正在不断提高。之前
大(dà)模型的能力还处于“Number 1—高中生”水平。今天(tiān)凌晨(chén)OpenAI发布了(le)最新(xīn)模型o1，并(bìng)表示o1可以推理复杂的任务，目前已达到“博士生的水平”

　　那么，如何(hé)理解两种(zhǒng)水平的差(chà)异(yì)？刚毕业的高中生与博士生
的薪资差距最多在5倍，但大模型落地(dì)所(suǒ)产生的算力(lì)差(chà)距是十倍、百倍、甚至是千(qiān)倍，这意味着参数本身代表着更(gèng)好的模型(xíng)效(xiào)果，同时也会(huì)带(dài)来成本的大幅提升(shēng)。

　　当然，根据(jù)智能摩尔定律，这个（成本）曲(qū)线会往下(xià)降，但 本身是符合这个规律的。因此我们需要找到(dào)更(gèng)经济有效(xiào)的方式来应用这些先(xiān)进的AI技术。

　　从ROI的视角来看，AI Agent可以实现周健：Agentic AI代表着大模型的技术更迭与落地状态“更大规模的上下文”理解(jiě)，基于企业已有系统，把(bǎ)企业(yè)内部的组(zǔ)织结构、人(rén)员(yuán)技能(néng)、业务流程结合，并将流(liú)程 结果记录下来，实现Agent像人一样工作。从这个角度出(chū)发(fā)，团队结构变(biàn)为一个专家加上100个(gè)数据员工再加上大模型(xíng)，相比于10个专家与100个(gè)数(shù)据员工(gōng)的配置，成本效益(yì)曲线(xiàn)可能会发生变化。

　　Agentic AI在金融业(yè)的落地实践

　　随着大模型能力的不断增强，Agent的能力不(bù)断丰富(fù)，我们有可(kě)能在未来看(kàn)到AI模型像(xiàng)人类(lèi)一样处理复杂的逻(luó)辑(jí)推理任务，深刻变革企业的组织结(jié)构(gòu)、人员配(pèi)备乃至业 务(wù)流程。无论是处(chù)理端(duān)到端重复性的业(yè)务内容，还是跨部门(mén)协作(zuò)，AI都在增强人类的工作(zuò)效率(lǜ)。

　　我(wǒ)们认为，未来，AI有望在角色、团队和业务层 面逐步取(qǔ)代部分人力工作。目前 ，数字化技术如API、BI、OCR以
及低
代码平台等，已经在各个层面发挥其独特(tè)作用(yòng)。AI可能更多在业务处理(lǐ)量和业务活动上表现突(tū)出(chū)，未来(lái)，AI的应用能力预计将得到进一步的扩展和增强。

　　这是澜码科技现在(zài)的产品架构(gòu)。我们从业务 流程(chéng)视角去改进、增强、替代人的能力(lì)。

　　最底层是工作流，我们通过低代码的方(fāng)式将复杂(zá)的(de)业务流程(chéng)编排成
可自动执行的任(rèn)务，让AI Agent能完成一些简单的业务任务；

　　再(zài)向上一层是对话流(liú)，这是(shì)我们的创新(xīn)之处(chù)，基于大模型的理解能力，Agent能够(gòu)深入理解人类需求，在(zài)处
理复杂(zá)任务时，能够清晰地(dì)界定业务活动的(de)各个(gè)环节，实现自(zì)动(dòng)化处理复杂的业务内容；

　　在业务处(chù)理层面，我们有能力将不同的业务内容进行编排和整合，采用多样化的方法 来解决(jué)业务活动(dòng)中的 复杂问题。

　　以澜码(mǎ)为保险行业提供的销(xiāo)售增强解决(jué)方案为例(lì)，我们(men)主要帮助(zhù)客户解 决了保险代理在解读体检报告和精准推荐保险产品方面(miàn)的难题。传统上的保险代理可能缺乏(fá)必要的专业知识来(lái)准(zhǔn)确解读体检(jiǎn)报告，并据此为(wèi)用 户推荐合适的保险产品。

　　基于此，我们(men)能够将保险公司(sī)的业务专(zhuān)家知识和经验整理成可操(cāo)作的指导或规则，通过工作流将信息(xī)抽取、指引和遵循等步骤自动化，从而提(tí)高处理体(tǐ)检报告的效(xiào)率。同时，根(gēn)据(jù)体检报(bào)告的内容，AI Agent能够给出(chū)符合(hé)个
人健(jiàn)周健：Agentic AI代表着大模型的技术更迭与落地状态康状况的保险(xiǎn)产品推(tuī)荐。在实际应用中，这一解决方(fāng)案在某地级市处(chù)理的(de)10万份体检报告案例中 ，显著提高(gāo)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)制银行合作(zuò)，开发针(zhēn)对银行对公客户经理
的营销客(kè)户解决方案。在银(yín)行业，营销是目前至关重(zhòng)要的一个领域，这也是Gartner所提到的，生成式AI在银行业(yè)最重(zhòng)要的是(shì)营销(xiāo)场景。

　　我们打造的方案旨(zhǐ)在让客户经理将更多的(de)时间(jiān)和精力(lì)投入(rù)到客户关系上，而不(bù)是花费大量(liàng)时(shí)间去理解和制定复杂的(de)金(jīn)融方案。制定可行化金融方(fāng)案通(tōng)常是(shì)比较复杂的，包括理解客(kè)户需求、用户(hù)行为习惯，并据此制定存款方案。方(fāng)案包括(kuò)利息计算和比较等。而这些工作(zuò)往往涉及多(duō)个不同的(de)系统，我们通过基本能力的封装，为企业提(tí)供对公客户经理辅(fǔ)助Agent，从而提升他(tā)们(men)的工作效率和自动化水平。

　　此外，我们(men)在获客转化过程中，可以利用(yòng)企(qǐ)查查等各种数据平台获取
信息，挖掘供应链的上下游关系，帮助客户经理更(gèng)准(zhǔn)确地描绘客户画像，从而更有效地吸(xī)引优质客户。

　　新浪声明：所有会议实录(lù)均为 现场速记整理(lǐ)，未经(jīng)演讲者审阅，新(xīn)浪网登载此文出于传递更多信息之目 的，并不(bù)意(yì)味着赞同其观点或证实其描述。

责任编辑：梁斌 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