什麼是 AI 代理？

步驟 1：感知

首先，AI 代理會接收來自不同來源的輸入。根據其目的，這些來源可能包括：

• 使用者互動
• 從外部系統提取資料的 API
• 來自連線應用程式的感測器或日誌
• 儲存的知識庫 - 例如庫存表、人力資源政策等。

步驟 2：處理

一旦拿到資料，AI 代理就需要了解這些資料。

代理程式可能會使用 NLP、結構化資料或即時訊號來處理它所建立的任何輸入。

如果它需要從資料庫中擷取相關知識，它可能會使用檢索擴充生成(RAG) 來擷取。

步驟 3：決策

決策過程取決於建置者如何建構 AI 代理。

它可能使用定制的業務邏輯，例如根據銷售團隊設計的公式來決定潛在客戶是否合格。 

它也可能使用機器學習預測或強化學習，例如根據過往的詐欺個案，將交易標示為詐欺。

最好的 AI 代理工具會考慮到AI 的可解釋性：AI 代理能在多大程度上闡明其決策背後的理由。

步驟 4：採取行動

經過感知、處理和決定之後，AI 代理就可以採取行動了。

AI 代理可以採取的行動沒有限制。它可能會跟進一個簡單的文字回應，例如「這 3 個帳戶有潛在流失的跡象。

它可能會觸發 API 呼叫，例如從倉庫系統取得即時庫存資料或啟動密碼重設請求。

其他 AI 代理會直接採取作業行動，例如調整電子商務商店的定價、排定銷售電話、重新規劃物流運送路線，或根據安全政策修改系統設定。

有些 AI 代理甚至會與外部應用程式互動，例如在 CRM 系統中自動執行工作流程、更新客戶記錄，或根據預先定義的業務規則發出退款。

這些代理可以從頭到尾完成整個代理 AI 工作流程。

無論採取何種行動，AI 代理都會確保其回應與決策過程一致 - 而且在許多情況下，它會從結果中學習，以改善未來的行動。

1.LLM 路由

首先，您需要將您的 AI 代理的認知能力外包給一個 LLM.事實上，有時候您會聽到「LLM 代理」這個詞，它是 AI代理的一個子集。 

一個好的代理應該能夠使用不同的LLMs 來處理不同的任務。

沒有單一優越的LLM，尤其是在快速發展的今天。對於您的 AI 代理來說，在產生長篇文字時使用一個模型，而在分析使用者輸入時使用另一個模型，可能會有好處。

所有 AI 代理都是LLM 代理嗎？幾乎是，但不完全是。

不使用LLMs 的 AI 代理包括機器人流程自動化機器人、多代理系統 (如交通控制系統或群體智慧)，以及強化學習代理 (如機器人學)。

2.身份和指示

任何 AI 代理都需要有身分、任務和目標。它為何會存在？它要達成什麼目標，以及如何達成？

舉個例子：IT 支援公司客戶服務團隊的第一道防線。這個 AI 代理的目標可能是正確解決盡可能多的客戶問題，同時將複雜的個案升級至人工代理。 

指示不僅應定義其角色，還應定義其決策臨界值（即何時應將使用者升級或轉介到其他地方？

3. 工具

工具是 AI 代理收集資料和採取行動的方式。 

由於具有自主性，AI 代理可以選擇使用哪些工具來執行任務。 

例如，潛在客戶產生 AI 代理的任務可能是在 Hubspot 中建立合格的潛在客戶。

根據使用者的互動，代理可能會選擇檢查 CRM 是否有重複的內容、為使用者建議特定的內容，或是詢問進一步的問題，直到他們可以對該客戶進行評分。

AI 代理的工具庫可能包括：

• 外部系統，如 HubSpot、Linear 或Zendesk
• 執行程式碼，以便建立特別工具
• 內建功能
• 其他 AI 代理
• 人類（例如：AI 代理在執行任務前需要人類的同意）

4.記憶與知識

AI 代理的記憶體和知識決定了它知道什麼，以及它如何長時間保留資訊。

傳統軟體只會依需求擷取資訊，AI 代理則不同，它可以儲存、回想並建立在過去的互動基礎上，以做出更聰明的決策。

舉例來說，客戶支援 AI 代理可以記住使用者過去的疑難排解嘗試，避免重複無效的解決方案。銷售 AI 代理可以回憶與客戶之前的互動，並據此調整其訊息傳遞。

AI 代理程式主要依賴兩種記憶體：

1. 短期記憶- 來自正在進行的對話或工作的臨時情境，例如使用者的語言偏好。
2. 長期記憶- 代理商可以長時間存取的持久性知識，例如回想訂單數量或供應商偏好。

除了記憶體之外，AI 代理還能存取結構化和非結構化的知識來源，例如資料庫和 API、公司知識庫或其他相關文件。

5.頻道

渠道是 AI 代理與使用者互動的方式。它可能使用文字、圖片、視訊或語音，視使用情況而定。它可能透過網站小工具、webchat 介面與使用者互動、 

AI 代理可以部署在webchat 小工具、訊息應用程式WhatsApp、Messenger、Telegram、Slack 等)，甚至嵌入電子郵件工作流程中。

對於語音互動，語音座席可與電話系統或智慧型助理整合，而文字型座席則可在即時聊天、簡訊或內部企業工具中操作。

‍

6.管治 

全世界的 AI 法律都在不斷演進，不考慮合規性而建立 AI 代理是徒勞無功的。

治理可確保您的 AI 代理以道德、透明及合法的方式運作。

一個管理完善的 AI 代理程式如下：

• 政策遵循- 符合品牌準則、基調和業務規則。
• 報告與 KPI 追蹤- 可監控績效、偏差與決策準確性。
• 核准與人為迴圈 (HITL)- 關鍵動作需要人為驗證。
• 回饋機制- 根據使用者的意見和監督不斷改進。
• 合規性與稽核追蹤- 記錄決策與行動，以符合法規要求。

顧客服務

AI 代理最常見的應用之一就是不起眼的客戶支援機器人。

這些虛擬座席可以將客戶引導至特定的政策、提供個人化的產品建議，甚至處理重新設定密碼等帳戶任務。

公司提供客戶服務聊天機器人已成為常態 - 但過去以規則為基礎的聊天機器人往往會對品牌造成負面影響。如今，為企業用戶服務的是動態的LLM 代理。

我們正在進入AI 聊天機器人的消亡期和 AI 代理的崛起期。即使是（或特別是）客戶支援機器人也需要提升等級。

潛在客戶開發

大部分部署在Botpress 上的 AI 代理 - 至少在撰寫本文時 - 都是某種形式的潛在客戶生成代理。

潛在客戶經紀人是AI 銷售經紀人的子集。

它們通常會將重要資訊分發給使用者，並沿途收集合格的線索，將其轉送至銷售團隊，而無需手動介入。 

Waiver Group 是一家醫療保健諮詢公司，在部署機器人取代「聯絡我們」表單後，他們的線索增加了 25%。

Waiverlyn 會與網站訪客交談、評估潛在客戶，以及預訂Google Calendar 活動 - 所有這一切都不需要人工介入。

知識管理

知識管理是機器人比人類更好處理的使用個案，從內部文件到面向客戶的自助服務系統。

員工可能會浪費數小時來搜尋埋藏在 wiki、PDF、電子郵件或支援票單中的重要資訊。人工智能代理可以用相關的帳戶資訊、政策或故障排除步驟來回應自然語言查詢。 

在面向客戶方面，這可能看起來像一個保險機器人，可以幫助使用者找到相關的表格和指南。

工作流程與任務統籌

工作流程與任務統籌 AI 代理不只是執行單一的動作 - 他們會在不同的系統中協調多個步驟。(This is sometimes known asAI orchestration)。

• 採購 AI 代理可能會自動產生採購請求，將其與預算進行交叉檢查，並在下單之前將其發送給管理人員批准。 
• 在人力資源方面，入職 AI 代理可以安排訓練、提供軟體存取權限，並為新員工設定薪資，無需任何人動一根手指。 
• IT 界的 AI 代理 可以分流支援票單、檢查系統日誌，並將未解決的問題升級至工程師。

企業不再需要為每個流程拼接不同的自動化工具，而是由 AI 代理擔任集中化的統籌者 - 動態處理整個工作流程、即時做出決策，並隨環境變化而調整。

這類AI 工作流程自動化是 AI 代理最常見的使用案例之一。

人工智慧可以輕鬆應用在日常的小任務上，這些小任務會佔去知識工作者的時間。

開發人員聯合駕駛員

AI 代理正成為開發人員不可或缺的工具，可加快編碼、除錯和文件撰寫的速度。

副駕駛 AI 可即時自動完成程式碼、標示錯誤並提出最佳化建議。

除了編碼之外，這些代理還協助進行拉取請求審查、安全檢查和依賴性追蹤。

對工程團隊而言，AI 協同駕駛意味著更快的開發週期、更少的錯誤，以及花在重複性工作上的時間更少。

虛擬助手

有時候，您需要的只是一點額外的幫助。

有人可以進行研究、分析指標或整合資訊。也許您需要一個個人排程員來傳送關於即將到來的任務的提醒，或是一個可以起草電子郵件和總結報告的助理。

這些缺口可以由AI 代理助理來填補，也就是代表您執行任務的軟體程式。

AI 助理的概念我們已經很熟悉了，例如 Siri 和 Alexa（最著名的語音助理）。

AI 代理可進行下一步的深度個人化規劃。

如果您正在規劃假期，AI 旅遊經紀人助理不僅可以建議新目的地的地點和確認飯店，還可以選擇最佳的航班和飯店 - 然後代您預訂。

1.可擴充與彈性

AI 代理不受限於僵化的工作流程。它們會根據情境動態選擇工具、API 和模型，使它們的適應性更強。

2.自主決策 

AI 代理不需要預先定義每個流程，而是即時做出決策並執行端對端任務。它們的建立速度更快，部署後的效率也高得多。

3.可擴充使用個案 

為客戶支援而建立的 AI 代理可擴展至處理銷售、內部工作流程或人力資源自動化，而無需完全重建。

4.全天候服務

AI 代理可持續運作、處理任務、回應使用者並執行工作流程，而不會停機。

5.規模成本效益

AI 代理可減少客戶支援、銷售及內部營運對大型人工團隊的需求，同時維持高品質的服務。

6.端對端自動化

AI 代理不僅會回答問題，還會執行工作流程、觸發 CRM 中的動作、管理核准，以及做出真正的決策，從而減少作業瓶頸。

7.無縫系統整合

AI 代理可連結 Salesforce、HubSpot、Zendesk、Slack 等工具以及專屬系統，確保統一的技術stack。

8.更快的產出價值時間 (TTV)

與傳統的自動化專案不同，AI 代理會從互動中學習並持續改善，加速部署與 ROI。

9.提高準確性和合規性 

AI 代理可以遵循品牌指導方針、法律框架和決策邏輯，確保它們在業務政策範圍內運作。

多智慧體系統

多代理系統(MAS) 由多個人工智慧代理組成，這些代理可以互動以達成總體目標。 

這些系統通常設計用來處理過於龐大、複雜或分散，無法由單一 AI 代理管理的任務。適當的AI 代理路由可確保將正確的任務指派給正確的代理。

多智能體系統中的每個智能體都可以獨立行動，感知和解釋環境，做出決策，然後採取行動來實現其目標。

MAS 的效率可透過AI 代理評估系統進行評估，其中可包括定量與定性的深入分析。

舉例來說，一家市場研究公司可以使用 MAS ，其中一位經紀人收集產業報告，另一位經紀人擷取關鍵洞察力，第三位經紀人將研究結果總結成客戶就緒的簡報，第四位經紀人則監控資料的正確性，並隨時間精進輸出。

簡單反射劑

簡單的反射代理會根據一組預先定義的條件-行動規則來運作。它們只會對目前的感知做出反應，而不會考慮之前感知的歷史。

它們適用於複雜性有限且功能範圍較窄的任務。簡單反射劑的一個例子是智慧恒溫器。

‍

基於模型的反射代理

基於模型的代理程式會維護其環境的內部模型，並根據模型的理解來做決策。

這可讓他們處理更複雜的任務。 

它們被用於自動駕駛汽車技術的開發，因為它們可以收集汽車速度、前車之間的距離以及接近的停車標誌等數據。智慧體可以根據汽車的速度和制動能力，就何時制動做出明智的決定。

基於實用程式的代理

以效用為基礎的代理人在做決策時，會考慮每個可能行動的預期效用。

在需要權衡不同的選項，並選擇預期效用最高的選項時，通常會使用這些選項。

如果您想要代理程式推薦一些事情 - 例如行動方案或針對某項任務的不同類型電腦 - 基於效用的代理程式可以幫到您。

學習代理

學習型代理程式的設計目的是在未知的環境中運作。它們會從經驗中學習，並隨時間調整自己的行動。

深度學習和神經網路通常用於學習代理的開發。

它們通常用於電子商務和流媒體平台技術，為個人化推薦系統提供動力，因為它們會隨著時間的推移瞭解使用者的偏好。 

信念-慾望-意向代理

信念-慾望-意圖代理程式透過維持對環境、慾望和意圖的信念，建立類似人類的行為模型。它們可以據此推理並規劃自己的行動，因此適用於複雜的系統。

基於邏輯的代理

基於邏輯的代理使用演繹推理來做出決策，通常是在邏輯規則上。它們非常適合需要複雜邏輯推理的任務。

基於目標的代理

基於目標的代理為了實現其目標而行動，並能相應調整其行動。它們根據目前行動的未來後果，以更靈活的方式進行決策。

基於目標的座席的一個常見應用是機器人技術——就像在倉庫中導航的座席一樣。它可以分析潛在的路徑並選擇到達目標目的地的最有效路線。

步驟 1：確定試用案例

「我們來試用 AI 代理吧！」如果您的老闆在閱讀了有關「AI 代理年」的最新頭條新聞之後，對您說了這句話，那麼就得由您來確定應該試用哪一種 AI 代理。

我們很容易被炒作所迷惑，但最好的方法是從明確、高影響力的使用個案開始。

考慮代理可以在哪些方面減少工作量、提高準確性或加強決策，例如潛在客戶資格審核、客戶支援或內部知識檢索。

一個強大的試驗用例應該是狹窄到足以快速實作，但又有價值到足以證明其影響力。

正確的選擇可讓您更容易獲得認同、證明投資報酬率，並為更廣泛的 AI 應用奠定基礎。

步驟 2：尋找合適的平台

正確的工具完全取決於您的情況 - 您有多少內部開發專業知識？有多少時間？您需要代理完成哪些工作（不僅是試用案例，還包括長期）？

在大多數情況下，使用 AI 平台而非從零開始是有道理的。

最佳的選擇通常會是垂直、彈性的平台：建置軟體可讓您建置任何使用個案，並連結任何外部工具。 

您可以查看我們列出的最佳 AI 代理建置工具、最佳聊天機平台，甚至是最佳開放原始碼平台。不過我還是說實話 - 我相當偏愛我們的平台。

35%的財富500強企業和500,000+建築商使用Botpress 。

我們部署 AI 代理已經很多年了，而且開始使用是免費的，所以您真的不會有任何損失。

步驟 3：整合工具

如果您的 AI 代理將建立 Hubspot 線索，您會先將您的 AI 平台與 Hubspot 整合。 

雖然一個好的平台會有預先建立的整合，但是利基使用個案需要進一步的工作來自訂您的代理連接器。

如果您的團隊整合了多個系統 (內部工具或第三方軟體)，您的代理可以扮演AI 統籌者的角色，確保平台間的順暢同步。

步驟 4：測試與改良

第四步是使用平台內建的測試工具徹底測試您的代理。

根據測試結果調整參數、提示語句和工作流程，以確保代理程式在真實情境中表現良好。

步驟 5：部署與監控

雖然建置和部署階段通常是重點，但也別低估利用機器人分析進行長期監控的重要性。 

您的平台應該配備監控工具，以便在部署後追蹤代理的互動和效能。

利用平台提供的任何回饋機制，收集見解並根據需要完善設定。 

請記住：最好的 AI 代理需要更新。有些表現最出色的 AI 代理程式自推出以來已更新數百次。

您的 ROI 只會越調越高。

小規模起步，然後擴展

我們正在進入 AI 增強組織的時代 - 但沒有人會一下子跳躍。在擴大您的 AI 代理之前，先從可以快速獲勝的強大試用案例開始。

我們稱此為 Crawl-Walk-Run 方法。您可以在我們的「AI Agent 實作藍圖」（Blueprint for AI Agent Implementation）中瀏覽更多相關資訊。

確保高品質的資料來源

古語有云：垃圾進，垃圾出。如果您的 AI 代理不是從維護良好的資料庫中擷取資訊，那麼它的影響力將會非常有限。

如果您的代理商使用 Hubspot 來追蹤交易週期，並分析成交贏和成交輸的預測因子，那麼您的銷售代表就需要提高警覺，追蹤潛在客戶的電話和資料。

設定明確的 KPI 和成功指標

如果您無法正確衡量 AI 代理的影響，就很難知道它有多成功。

事先定義 KPI - 無論是回應準確度、節省的時間、轉換率或成本降低。這些基準將有助於引導改善並顯示 ROI。

使用 RAG

使用檢索增強生成功能可讓您的 AI 代理將其答案建立在最新資料的基礎上，例如公司的知識庫、CRM 或文件。

這樣可以減少出現幻覺的機會，並確保回應準確且與上下文相關。

合規風險

AI 代理必須遵守 GDPR、HIPAA、SOC 2 等法規，以及特定產業的政策。 

合規風險是建置商選擇在平台上建立 AI 代理，而非從頭開始建置的最大原因之一。

如果您的工作不是 AI 合規，您的資源最好還是交給專業人士處理。

錯誤處理使用者資料、未記錄決策或產生不合乎規範的回應，都可能導致法律和財務上的後果。

幻覺

幻覺是指會話式 AI系統產生不正確或誤導的資訊。

這些失誤已經成為醜聞的中心，例如加拿大航空聊天機器人的慘敗，或是以 1 美元售出雪佛蘭 Tahoe 的機器人。

謹慎製造的 AI 代理很少會產生幻覺。我們可以利用檢索增強生成、人類驗證或驗證層來保護其回應的品質。事實上，有幾種方法可以讓 AI 代理不會產生幻覺。

缺乏可說明性

如果 AI 代理正在做決策，您的團隊應該能夠瞭解其方式和原因。

黑盒子系統提供的輸出不具透明度，會削弱信任度，使得診斷錯誤、確保合規性或改善效能變得困難。

可說明性對於受管制的產業尤其重要，因為這些產業的決策需要接受稽核。

記錄代理推理、顯示來源和結合人為迴圈驗證等技術，有助於保持人工智能驅動的決策清晰且負責。 

如果沒有內建可解釋性功能，您的團隊將會花更多時間為代理程式的行為辯解，而非從中獲益。

持續資源

AI 代理不是「設定後就忘記」的資源。

它們是一個真正的軟體專案，需要長時間的持續監控和改進。維護是必要的，如果忽略了這一點，就會影響代理的成功。

好消息是，如果您的團隊沒有做好規劃，這只是一個弊端。如果您準備開始進行 AI 投資，AI 代理所需的持續資源很容易就能從回報中看到。

1.自主性

AI 代理可以在沒有人為干預的情況下運作，獨立做出決策並採取行動。

其自主性可讓 AI 代理處理複雜的任務，並就如何以最佳方式完成流程做出即時決策，但不需要人為特定任務編碼特定步驟。

雖然自主代理的概念可能會讓人聯想到《2001：太空漫遊》（2001: A Space Odyssey） 中會說話的電腦 HAL 9000，但 AI 代理仍需依賴人類的指示。

使用者或開發人員需要花時間告訴代理程式該做什麼，但代理程式會解決如何以最佳方式完成任務的問題。

2.持續學習

反饋對於 AI 代理的長期改進至關重要。

這種回饋可能來自兩種來源：批評者或環境本身。

批評者可以是人類操作員，也可以是評估代理性能的其他 AI 系統。AI 代理的環境可以以代理操作結果的形式提供反饋。

這個回饋迴圈讓代理能夠適應、從經驗中學習，並在未來做出更好的決策。

當它經歷更多任務時，它會學習創造更好的結果。由於具有學習和改進的能力，人工智能代理可以適應快速變化的環境。

3.反應式和主動式

AI 代理在環境中既是被動的，也是主動的。

由於它們接受感官輸入，因此能夠根據環境的變化來改變行動方向。

例如，智慧恒溫器可以感應到意外雷暴開始時房間的溫度變冷。結果，它會降低空調的強度。 

但它也是主動的——如果太陽每天大約在同一時間照射到一個房間里，它會主動增加空調，以配合太陽溫暖的出現。

企業在部署第一個 AI 代理時，常犯哪些錯誤？

企業在部署第一個 AI 代理時常犯的錯誤是，在沒有明確界定的使用案例或可衡量的成功標準的情況下就啟動，這通常會導致參與度低且影響有限。許多企業還將 AI 代理視為一次性部署，而非需要定期更新和改進才能長期維持有效性的系統。

我應該為 AI 代理試用計劃多少時間和預算？

特別是無程式碼或低程式碼平台，一般可在 2 到 6 週內推出重點試用專案，使用 300 到 700 美元。

我應該執行何種記錄或稽核追蹤？

您應該記錄每個使用者的輸入、代理的決定、所採取的行動，以及所有的 API 呼叫，包括時間戳記和使用者識別碼，以實現可追蹤性。為了提高透明度和診斷能力，如果有推理步驟或置信度分數，也應一併記錄。

人在環中 (HITL) 在實際中是什麼樣子？

實際上，HITL 意指 AI 代理在進行特定決策 (例如核准、升級或模稜兩可的案件) 前，會暫停等待人類的意見。這可創造一種保障，確保在需要時，不確定的行動會由人來監督。

單一 AI 代理能否支援多個部門（例如人力資源部和銷售部）？

是的，單一的 AI 代理可以服務多個部門，只要在設計上有適當的情境分隔、清楚的角色行為指示，以及智慧型的查詢路由。許多組織從一個部門開始，逐步擴充代理的功能，以避免重疊或混亂。