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

　　2024年服(fú)贸会专题活动之一(yī)——“第六届中国金融科技论(lùn)坛”于9月12日(rì)-13日在北(běi)京举(jǔ)行。上海(hǎi)澜码科技有限(xiàn)公司创始人兼 CEO周健出席并演(yǎn)讲。

　　据周健介绍，AI Agent是能够(gòu)感知环境，基(jī)于目标进行决(jué)策并执行行动的(de)智能化应用。Agent技术的核心在于(yú)与环境的互动，而大模型(xíng)本身不具备(bèi)感知和(hé)改变环境的能力。AI Agent可以通过外挂知识库和记忆系统，赋予Agent更(gèng)多的学习能力、感知能力。而AI Agent与Copilot最大的区别在于自主(zhǔ)性，Agent是帮助人类完成目标，Copilot则需要根据用户设置的目标，一步步与人互动，并 完成用户的目标。

　　他指出，随着大模型能(néng)力的不(bù)断增强，Agent的能力不断丰富(fù)，我们有可能在未来看到AI模型像人类一样处(chù)理复杂的(de)逻辑推理任务，深刻变(biàn)革(gé)企业的组织结构、人员配备乃(nǎi)至业务流程。无论是处理端到端重复性的业务(wù)内容，还是跨部(bù)门协作，AI都在增强人类(lèi)的工作效率。

　　周健说，未来，AI有望在角色(sè)、团队和业务层面(miàn)逐步取代部分人(rén)力工作。目前，数(shù)字化技术如API、BI、OCR以及(jí)低代码平台等，已经在各个层面(miàn)发挥其独特作用。AI可能更多(duō)在业务(wù)处理量和业务活动上表现突出，未来，AI的应用能力预计将得到(dào)进(jìn)一步的扩展和增强。

　　以(yǐ)下为演讲(jiǎng)实录：

　　澜(lán)码科技是
一家“AI原生”的企(qǐ)业，创办于大模型技术问世后。大模型(xíng)行业发展迅速，就在昨(zuó)天深(shēn)夜，OpenAI发布了全新的o1模型，重新定义了代码和计算方(fāng)式。我们在过(guò)去的18个月里快速前行，沉淀了丰富(fù)的行业实践与经验，今天想(xiǎng)借此机会，分享(xiǎng)我们在金融行业的应用实践(jiàn)与未来展望。

　　首先，我想介绍一个新的概念(niàn)——Agentic AI。我个人认为这一概念(niàn)比AI Agent更为贴切，因为它(tā)不(bù)仅表达了一种技术形态，更代表着一(yī)种持续演进的状态。大模型的发展过(guò)程类似于自动(dòng)驾驶(shǐ)的分级，当前我们已进入了“Number 2”阶(jiē)段，而未来还会有(yǒu)更多层次，如“Number 3”、“Number 4”等，正如自动驾驶历经 十年的(de)演进一样，AI大模型在推动企业数智化转型，包括在金(jīn)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(wèi)三个不同 的(de)品类。第一个是纯文(wén)本模型，OpenAI最新发(fā)布的o1模型就属(shǔ)于这一类；第二类(lèi)是多模态模型，能够处理文
本、图(tú)像、视(shì)频等多种输入和输出；第三类(lèi)是全实时、端(duān)到端的模型，能(néng)够在多模态环境下整合各(gè)类信息(xī)，如(rú)GPT-4o。纯(chún)文本模(mó)型虽然(rán)相对成熟(shú)，但(dàn)仍存(cún)在幻觉等问题，而多模态和实时模
型则代表(biǎo)了未来的发展方向。

　　纯文本模型与(yǔ)传(chuán)统软件开发的区别在于(yú)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(zūn)循能力 。以往我们需要耗费大量工程师资源进行(xíng)算法开发，现在，利用大模型，一(yī)个工程师仅需一周时间便可完成(chéng)复杂的(de)简历筛选任务。

　　而指令遵循能力是指大语言模型完全可以理解人类的自然语言去执行相应的(de)工作，这就意味着(zhe)AI可以
理解(jiě)各种各(gè)样
的内容，包括文档、数据(jù)、应用、流程等，我们能够将数(shù)字世界（互联网网(wǎng)页，企业内部ERP、CRM系统(tǒng)）、智能世界(jiè)以(yǐ)及其它(tā)智能体结合，代表企业员工 在领域模型的指导之下完成复杂的任务。

　　我们认为，AI Agent是能(néng)够感(gǎn)知环(huán)境，基于目标进行决策并执行行
动的智能(néng)化(huà)应用。Agent技术的核心在于与环境的互动，而(ér)大模型本身不具备感知和改变环境的能力。AI Agent可以通(tōng)过外挂知识库和记忆系统，赋(fù)予Agent更多(duō)的学习(xí)能力、感知能(néng)力。而AI Agent与Copilot最大的区别在于自主性，Agent是帮助人类(lèi)完成目标，Copilot则需要根据用户设置的目标(biāo)，一步步与人互(hù)动，并(bìng)完成用户的目标。

　　谈到学习能力，传统(tǒng)大模型依靠预训(xùn)练的方式学(xué)习，而我们正在探索如何(hé)让AI更好地理解和运用企业内部的专家知识。

　　我们认为，专家知识可以分为不同的层次，冰山之上
都是可(kě)以用自然(rán)语言描述的(de)，如：过程性(xìng)知识、规(guī)则
性知识、事实知识等等；冰(bīng)山之下的则是 大模型尚未发掘的隐性知识——企业内部的专家知(zhī)识。这些知
识往往与具体行(xíng)业(yè)和企业运营模式相关(guān)，是动态的、领域(yù)性的、智(zhì)慧性(xìng)的、无(wú)法(fǎ)通过纯文本训练
获得的。因此，我们希望通过(guò)AI Agent将这些隐性知(zhī)识数字(zì)化，从而(ér)使AI Agent能达到更高层次的水平，进一步推动企业的数(shù)智化转型。

　　当前，随着AI技术(shù)的(de)发(fā)展，大模型(xíng)的推理能力正(zhèng)在不断提高。之前大模型(xíng)的能力还处(chù)于“Number 1—高中生”水平。今天凌晨OpenAI发布了最
新(xīn)模型(xíng)o1，并表示(shì)o1可以推理复杂的任(rèn)务，目前已达到“博士生的水平”

　　那么，如何理解两种(zhǒng)水平的差
异？刚毕业的高中生与博士生的薪资差距最多(duō)在5倍，但大模(mó)型落地所产生的算力差距是十倍、百倍、甚(shèn)至(zhì)是千倍，这意(yì)味着参数本身代表着更好的模型效果，同时也(yě)会带来(lái)成(chéng)本的大幅提升。

　　当(dāng)然，根据智能摩尔 定(dìng)律，这个 （成本）曲
线会往下降，但本身是符合(hé)这个规律(lǜ)的。因此(cǐ)我们需要找(zhǎo)到更(gèng)经济有效的方式来应(yīng)用这些(xiē)先进的AI技术。

　　从ROI的(de)视角来看，AI Agent可以实现“更大规模的(de)上下文”理解，基于企业已(yǐ)有系统，把企业内部的组织结构、人员 技能、业务流程结合，并将流程结果记录下来，实现(xiàn)Agent像人一样工作。从这个(gè)角度出发，团队结构变为一个(gè)专家加上(shàng)100个数据员(yuán)工再加上大模型，相比于10个专家与100个数(shù)据员工的配(pèi)置，成本效益曲线可(kě)能会发生(shēng)变化。

　　Agentic AI在金(jīn)融业的落地实践

　　随着大(dà)模型能力的不断增强(qiáng)，Agent的能力不断(duàn)丰富，我们有可能在(zài)未(wèi)来(lái)看到(dào)AI模型像人类(lèi)一样处(chù)理复 杂的(de)逻辑推理任务，深刻变革企业的组织结构、人员配备乃至业务流(liú)程(chéng)。无论是处理端到端重复性的业务内容，还是跨部门(mén)协作，AI都在增(zēng)强(qiáng)人类的工作(zuò)效率。

　　我们认为，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(zuò)。目(mù)前，数字(zì)化技术(shù)如API、BI、OCR以及低代码平台等，已经(jīng)在各个 层面发挥其独特作用。AI可能更多在业务处(chù)理量和业务活动上表现突出，未来(lái)，AI的应用能力预计将得到进一步的(de)扩(kuò)展和(hé)增强。

　　这(zhè)是澜码科技现在的产品架构。我们从业务(wù)流程视(shì)角去改进
、增强、替代人的能力(lì)。

　　最底(dǐ)层是工作流，我们(men)通(tōng)过低代码的方式将复杂(zá)的业务流程编排成可自动(dòng)执行(xíng)的任务，让(ràng)AI Agent能完成一些(xiē)简单的业务任务(wù)；

　　再向上一层
是对话流，这是(shì)我们的创新(xīn)之处，基于大模型的理解能力，Agent能够深入理解人类需求，在处理复杂(zá)任务时，能 够清晰地界定业务活(huó)动的各(gè)个环(huán)节，实(shí)现自动化(huà)处(chù)理复杂的业(yè)务内容；

　　在业务处理层(céng)面，我们有能力将不同的业(yè)务内容进行编排和整合，采用多样化的方(fāng)法来解决业务活动中的复杂问题。

　　以澜码为保(bǎo)险行业提(tí)供的销售增强解决方案为例，我们(men)主要帮助客户解决了保险代理在解读体(tǐ)检报告和精准(zhǔn)推荐保险产品方面的难题。传统上的保险(xiǎn)代理可能缺乏必要的专业知识来准确解(jiě)读体检报告，并据此为(wèi)用户推荐(jiàn)合适的(de)保(bǎo)险(xiǎn)产(chǎn)品(pǐn)。

　　基于此，我们能够(gòu)将保险公司的业务专(zhuān)家知识和经验整(zhěng)理成可操作(zuò)的指导或规则，通过工(gōng)作流将信息抽取、指引和遵循等步骤(zhòu)自动化，从而提(tí)高(gāo)处理体(tǐ)检报告的(de)效率。同时，根据体检报告(gào)的内容(róng)，AI Agent能够给出(chū)符合个人健康状况的保险(xiǎn)产品推荐。在实际应用中，这一解决方案在某(mǒu)地级市(shì)处理的10万份体检报告(gào)案例中，显(xiǎn)著(zhù)提高了保险业务人(rén)员的转化率。

　　目前(qián)，我们也正在与一(yī)家股(gǔ)份制银行合作，开发针对银行对公客户(hù)经理的营销(xiāo)客户解决方案(àn)。在银行业(yè)，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(shì)AI在银行(xíng)业最重要的(de)是营销场景。

　　我们打造的方案旨在让客户经理将更多的时间和精力投(tóu)入到客户关系上，而不是(shì)花费大量时间去理解和制定(dìng)复杂的金融方案。制定可行化金融方案通常是(shì)比(bǐ)较复杂的，包括理解客户需求、用户(hù)行为(wèi)习惯
，并据此制定存款方(fāng)案(àn)。方案包括利息计算(suàn)和(hé)比(bǐ)较等。而这些工作往往涉及(jí)多个不同的系统，我们通过基本(běn)能力的封装，为企(qǐ)业提(tí)供对公客户经理辅助Agent，从而提升(shē周健：Agentic AI代表着大模型的技术更迭与落地状态ng)他们的工作效率(lǜ)和自动化水平。

　　此外，我(wǒ)们(men)在获客转化过(guò)程中，可以利用企查(chá)查等 各种数据平台获(huò)取信息，挖掘供应链的上下游关系，帮助客户经(jīng)理更准确 地描绘客户画像，从而更(gèng)有效地吸引 优质客户。

　　新浪声明：所有会议实(shí)录均为现 场速记整(zhěng)理(lǐ)，未经演讲者审阅，新浪(làng)网登载此(cǐ)文出于传递更多(duō)信息(xī)之目的(de)，并不意味着赞同(tóng)其观点或
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