周健：Agentic AI代表着大模型的技术更迭与落地状态

专(zhuān)题：2024中国(guó)AIGC创(chuàng)新
发展论坛

　　2024年服贸会专(zhuān)题活动之一——“第(dì)六届中国金融科技论坛”于9月12日-13日在北(běi)京举(jǔ)行(xíng)。上(shàng)海澜(lán)码科技有限公司创始人兼(jiān)CEO周健(jiàn)出席并演讲。

　　据(jù)周健介绍，AI Agent是能(néng)够(gòu)感知环境，基于目标(biāo)进行决策并执行(xíng)行动(dòng)的智能化应用。Agent技(jì)术的(de)核心在于与(yǔ)环境的(de)互动，而大模型本身不具备感知和改变环境的能力。AI Agent可以通过(guò)外挂知识库和记忆系统，赋予(yǔ)Agent更多(duō)的学(xué)习能力、感(gǎn)知能力。而AI Agent与Copilot最大的区别在于自(zì)主性(xìng)，Agent是帮助人类完成目标，Copilot则需要根据用户设置的(de)目标，一(yī)步步与人互动，并完成用户的目标(biāo)。

　　他(tā)指出(chū)，随着大模型能力的(de)不断增(zēng)强，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(lǐ)复杂的逻辑推(tuī)理任务，深刻变革企业 的组织结构、人员(yuán)配备乃至业务流程。无论是处理端到端重复性的业务内容，还是跨部(bù)门协作(zuò)，AI都在(zài)增强(qiáng)人类的工作效率。

　　周(zhōu)健说，未来(lái)，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(qián)，数字化技(jì)术如API、BI、OCR以及低代(dài)码平台等，已经在(zài)各个层面(miàn)发挥其独特(tè)作(zuò)用。AI可能更多在业务处理量和业务活动上表现(xiàn)突出，未来，AI的应用能力预计将得到进一(yī)步的(de)扩展和增强。

　　以下为演讲(jiǎng)实录：

　　澜(lán)码科(kē)技是一家“AI原(yuán)生”的企业(yè)，创办于大 模型技术问世后。大模型行(xíng)业发(fā)展迅速(sù)，就在昨天深夜，OpenAI发布了全新的o1模型，重新(xīn)定义了代码和计(jì)算方(fāng)式。我们在(zài)过去的18个月里快(kuài)速(sù)前行，沉淀了丰富的行业实践与经验，今天想(xiǎng)借(jiè)此机(jī)会，分享(xiǎng)我们在(zài)金融 行业的应用实践(jiàn)与未来展望。

　　首先，我想(xiǎng)介绍一(yī)个新的概念 ——Agentic AI。我个人认为这一概念比AI Agent更为贴切，因(yīn)为它(tā)不仅表达了一种技术(shù)形态，更代表着一种持续演进(jìn)的状态。大模(mó)型的发展过程类似于自动驾(jià)驶的(de)分级，当前我们 已进入了“Number 2”阶段，而未来还会有更多层次，如“Number 3”、“Number 4”等，正如自动驾驶历经十年的(de)演进一样，AI大模型在推动企业(yè)数智化(huà)转型，包括在金融行业(yè)的应用(yòng)，也将是一(yī)个持续不断的过程。

　　当前的大模(mó)型主要分为三(sān)个不(bù)同的(de)品类。第一
个(gè)是纯文本模型，OpenAI最新发布的o1模型就属于这一类；第二类是多模态模型，能够处理文本、图像、视频等(děng)多种输(shū)入和输出；第三类(lèi)是全实时、端到端的模型，能够在多模态环境下(xià)整合各类信息，如GPT-4o。纯文(wén)本模型虽然相(xiāng)对成熟，但(dàn)仍存在幻觉等问题，而多模态和实时模型则代表了未来的发展方向。

　　纯文本模 型(xíng)与传统(tǒng)软件开发的区别(bié)在于它(tā)为我(wǒ)们提供了两个全新的(de)通用(yòng)能力：信息提取(qǔ)能力和指令遵循能力。以 往我们需(xū)要耗费大量工程师资源进行算法开发，现在，利用大模型，一个工程师仅需一周(zhōu)时(shí)间便可完成复杂的(de)简(jiǎn)历(lì)筛选任务。

　　而指令遵循能力(lì)是指大语言模型完全(quán)可以理解人(rén)类的自然语言去执(zhí)行相应(yīng)的(de)工作，这就意味着AI可以理解各(gè)种各样(yàng)的(de)内容，包括文档、数据、应用、流程等，我们能够将数字世界（互联网网页，企业内部ERP、CRM系统(tǒng)）、智(zhì)能世界以及
其它智能体结合，代表企(qǐ)业员(yuán)工在领域模型的指导之下完成复杂的任务。

　　我们认为，AI Agent是能够感知环境，基(jī)于目标进行(xíng)决(jué)策(cè)并(bìng)执行(xíng)行动的智能化应用 。Agent技术的核心在于与环境的互动，而大模型本身不具备感知和改变(biàn)环境的能(néng)力。AI Agent可以通过外挂知识库和记忆系统，赋予Agent更多的学习能力、感知能力。而AI Agent与Copilot最大的区(qū)别在于自主性，Agent是帮(bāng)助人类(lèi)完成目标(biāo)，Copilot则需要根据用户设置的(de)目标，一步步与人互 动，并完成用(yòng)户的(de)目(mù)标。

　　谈到学(xué)习能力，传统大模型
依靠预训练的方 式(shì)学习，而我们正在探索(suǒ)如(rú)何让AI更好(hǎo)地理解和运(yùn)用企业内部的专家(jiā)知识。

　　我们(men)认为，专家知识可以分(fēn)为(wèi)不同的层(céng)次，冰山之上都是可以用自然语言(yán)描述的，如(rú)：过程性知(zhī)识、规(guī)则性知识、事实知识等等；冰山之下的则是(shì)大模(mó)型尚(shàng)未发掘的隐性知识——企业内部的专家知识。这些知识往往与具体行业和企业运营模式(shì)相(xiāng)关，是动态的(de)、领域(yù)性的、智(zhì)慧性的、无
法通过纯文本训练获得的(de)。因此，我们希望通过(guò)AI Agent将这些(xiē)隐性知识数字化，从而使AI Agent能达到(dào)更高层次的水平，进一步推
动企业的数智化转型。

　　当前(qián)，随着AI技术的发展，大(dà)模型的推理能力正(zhèng)在不断 提高。之前大模型(xíng)的能力(lì)还处于“Number 1—高(gāo)中生”水平。今
天凌晨(chén)OpenAI发(fā)布了(le)最新模型o1，并表示o1可(kě)以推理复杂的任务，目前已达到(dào)“博士生的水平”

　　那么，如何(hé)理解两种水平的差异？刚毕业的高中(zhōng)生与(yǔ)博士生的
薪资差距最多在5倍，但大模型落地所产生的算力差距是十倍、百倍、甚至是千倍，这意味着参数本身代表着更好(hǎo)的模型效果，同时也会带来成本(běn)的大幅提(tí)升(shēng)。

　　当然，根据(jù)智能摩尔定律，这个(gè)（成本(běn)）曲线(xiàn)会往下降，但本(běn)身是符合这个规律的。因此我(wǒ)们需要找到更经济(jì)有(yǒu)效(xiào)的方(fāng)式来(lái)应用这(zhè)些先进的AI技(jì)术。

　　从ROI的视角(jiǎo)来看，AI Agent可以实现“更大规模的上下文”理解，基于(yú)企业已(yǐ)有系(xì)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(lù)下来，实现Agent像人一样(yàng)工作。从这个角度出发，团队结构变为一(yī)个专(zhuān)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个数据员工的配置 ，成本效益曲线可(kě)能会发(fā)生变化。

　　Agentic AI在金融业的(de)落地实践

　　随(suí)着大模型能力的不断增强，Agent的能力不断丰富(fù)，我(wǒ)们有可能在未来看到AI模型(xíng)像人类一样处理复杂的逻辑推理任务，深刻变(biàn)革企业(yè)的组织结构、人员配备乃周健：Agentic AI代表着大模型的技术更迭与落地状态至业务(wù)流程(chéng)。无论是(shì)处理端到端重复性的业务内容，还是跨部门协作，AI都在(zài)增强人类的工作效率
。

　　我们认为，未来，AI有望在角色、团队和业务层面(miàn)逐步取代部分人力工作。目前，数字化技(jì)术如API、BI、OCR以及低代(dài)码(mǎ)平台等，已经在各个层(céng)面发挥其独特作用。AI可能更多在业务处理量和(hé)业务 活动上表现突出，未来，AI的应用能力预计(jì)将得到进一步(bù)的扩展和增强。

　　这是(shì)澜
码科技现在(zài)的产品架构。我们从(cóng)业务流程视角(jiǎo)去改进、增强、替代(dài)人的能力。

　　最底层(céng)是工作流，我们通过低(dī)代码的方(fāng)式将复杂的业务流程编排成可自动执(zhí)行的任务，让AI Agent能完成一些简单的业务任务；

　　再向(xiàng)上(shàng)一(yī)层是(shì)对话流，这是(shì)我们的创新之处，基于大(dà)模型(xíng)的理解能力，Agent能够深入理(lǐ)解人类需求，在处理(lǐ)复杂任务时，能够清晰地界定业务活(huó)动的各个环节，实现自动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业 务活周健：Agentic AI代表着大模型的技术更迭与落地状态动中的(de)复杂问题。

　　以澜码为保险行业提供的销售增(zēng)强解决方案为例，我们主要帮助客户解决了保(bǎo)险代(dài)理在解读体检报告和精准推荐(jiàn)保险产品方面的难题。传统上的保(bǎo)险代理可能(néng)缺乏必要的专业知识来准确解读体检报告，并据此为用(yòng)户推(tuī)荐合适的保险产(chǎn)品。

　　基于(yú)此，我(wǒ)们能够将(jiāng)保险公司(sī)的业务专家知识和(hé)经(jīng)验(yàn)整理(lǐ)成可(kě)操周健：Agentic AI代表着大模型的技术更迭与落地状态作的(de)指导或(huò)规则，通过(guò)工作流将信息抽取、指引和遵循等(děng)步骤自(zì)动化，从而提高处理(lǐ)体检报告的效率。同时，根据体检报告(gào)的内(nèi)容(róng)，AI Agent能够给出符(fú)合个人健(jiàn)康(kāng)状况的保险(xiǎn)产品推荐。在实(shí)际应用中，这(zhè)一解(jiě)决方(fāng)案在某地(dì)级市处理的10万份体(tǐ)检(jiǎn)报告案例中，显著提(tí)高了保险业务人员的转(zhuǎn)化率。

　　目前，我们也正在与一家股份制银行合作，开发针(zhēn)对银(yín)行对公客户经(jīng)理的营销客户解决方案。在银行(xíng)业，营销是目前至关重(zhòng)要的一个领域，这(zhè)也是Gartner所提到的，生成式AI在银行业最(zuì)重要的是(shì)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(hé)精(jīng)力投(tóu)入到客户关系(xì)上，而不是(shì)花费大
量时间去理解和制定复杂的金(jīn)融方案。制定可行化金融方案通常是比较复杂(zá)的，包(bāo)括理解客户(hù)需求、用户(hù)行为习惯，并据此制(zhì)定存款方案(àn)。方案包(bāo)括利息(xī)计算和(hé)比较等。而这些工作(zuò)往往涉及多(duō)个不(bù)同的系(xì)统(tǒng)，我们通过基本能力的封装(zhuāng)，为企(qǐ)业提供对公客户经理辅(fǔ)助Agent，从(cóng)而提升(shēng)他(tā)们的工作(zuò)效(xiào)率和自动化水平。

　　此外，我们在获客转化过程中，可以利用(yòng)企查查(chá)等各种数据平台获取信息，挖掘供应链的上下游关(guān)系，帮助客户经理更准确地描绘客户画像，从而更有效地吸引优(yōu)质客户。

　　新浪声(shēng)明(míng)：所有会议实录均为现场速记整理，未经(jīng)演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞(zàn)同其观点或证实(shí)其描述(shù)。

责任编辑：梁斌 SF055

未经允许不得转载：中央空调,电梯,空气能热水器-中央空调,电梯,空气能热水器 周健：Agentic AI代表着大模型的技术更迭与落地状态