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(zhǎn)论坛(tán)

　　2024年服贸(mào)会专(zhuān)题活(huó)动之一——“第六届中国金(jīn)融科技论坛”于9月(yuè)12日-13日在北京举行。上海澜码科(kē)技有限公司创始人兼CEO周健出席并演讲。

　　据周健介绍，AI Agent是(shì)能够感知环境，基于目(mù)标进(jìn)行决策并执行(xíng)行动(dòng)的(de)智能化应用。Agent技术的核心在于与环境的互动，而大模型本(běn)身不具备感知和改变环境的(de)能力。AI Agent可以通过外挂知(zhī)识库和记忆系(xì)统，赋(fù)予Agent更多的(de)学习(xí)能力、感知能力(lì)。而AI Agent与Copilot最大的(de)区别在于自主性，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(yǔ)人互动，并完成用户的目标。

周健：Agentic AI代表着大模型的技术更迭与落地状态　　他指出，随着大模型能力的不(bù)断增强，Agent的能力不断丰富，我们(men)有可能在未来看到AI模型像人类一样处理复杂的逻辑推理任务，深刻变革企业的组织结构、人员配(pèi)备乃至业务(wù)流程。无(wú)论(lùn)是处理端到端重复性的业务内容，还是跨部门协作，AI都(dōu)在增强人(rén)类的工作效率。

　　周健说，未来，AI有望在角色、团队(duì)和业务层面逐步取代部分人力工(gōng)作。目前，数字化技术(shù)如API、BI、OCR以(yǐ)及周健：Agentic AI代表着大模型的技术更迭与落地状态低代码平(píng)台等，已经在(zài)各个层面发挥其独特作用。AI可能(néng)更多在业务(wù)处理量和业务(wù)活动上表现(xiàn)突出，未来，AI的应用能力预(yù)计将得到进一步(bù)的扩展和(hé)增强。

　　以下为(wèi)演讲(jiǎng)实录：

　　澜码科技是一家“AI原生”的企业，创办于大模型(xíng)技术问世后。大模型行业发展迅速(sù)，就(jiù)在昨天深夜，OpenAI发布了全新的o1模(mó)型，重新定义了代码和计算(suàn)方式(shì)。我们在过去的18个(gè)月里快速前(qián)行，沉淀了丰富的行业实践与经(jīng)验，今天想借(jiè)此机会，分享我们在金(jīn)融行业的应用实践与未来展望。

　　首(shǒu)先，我想介(jiè)绍一(yī)个(gè)新的概(gài)念——Agentic AI。我个人认为这一概念比AI Agent更为(wèi)贴切，因为它(tā)不仅表达了一种技术形态，更代表(biǎo)着一(yī)种持续演进的状态。大(dà)模(mó)型的发展过程(chéng)类似(shì)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(nián)的演进一样，AI大模型在(zài)推动企业数智(zhì)化转型，包括在金融行业的应用，也将是一个持(chí)续不(bù)断的过(guò)程。

　　当前的大模型主要分为三个不同的品类。第一个是纯(chún)文本模(mó)型，OpenAI最新发布的o1模型就属于这一类；第二类(lèi)是多(duō)模态模型，能够处理文本、图像、视频等多(duō)种输入和输出；第三(sān)类是全实时、端到端(duān)的模型，能够在多模态环境下整合各类信息(xī)，如GPT-4o。纯文(wén)本模型(xíng)虽然相对成熟，但仍存在幻觉等问题(tí)，而(ér)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(tǒng)软件开发的区(qū)别(bié)在(zài)于它为我们提供了两个(gè)全新(xīn)的通用(yòng)能力：信息提取能力和指令遵(zūn)循能力。以往我(wǒ)们需(xū)要耗费大(dà)量工程师(shī)资源进行(xíng)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(wù)。

　　而指令遵(zūn)循能力是指大语(yǔ)言模型完(wán)全可以理解人类的自然语言去执行相应的工作，这就(jiù)意味着AI可(kě)以理(lǐ)解各种各样的内容，包括文档、数据、应用(yòng)、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)）、智能世界以及其它智能体结合，代(dài)表企业员(yuán)工在领域模型的(de)指导之下完成复杂的(de)任务。

　　我们认为，AI Agent是能够感知环境，基于目标进行决策并执(zhí)行行动的(de)智能化应用。Agent技术的核心在于与环(huán)境(jìng)的互动，而大模型(xíng)本身(shēn)不具备感知和改变环境的能力。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是帮助人类周健：Agentic AI代表着大模型的技术更迭与落地状态完成目(mù)标(biāo)，Copilot则需要根据用户设(shè)置的目标，一步步与人(rén)互动，并完成(chéng)用户的(de)目标。

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

　　我们认(rèn)为，专家知识可以分(fēn)为不同的层次，冰山之上都是可以用自然语(yǔ)言描述的，如(rú)：过程(chéng)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(de)隐性知识——企业内部的专家知识。这些知识往往与具(jù)体行业和企业运营模(mó)式(shì)相关，是动态(tài)的(de)、领域性的、智慧性(xìng)的、无法通(tōng)过纯文本训(xùn)练获得的。因此，我们希望通(tōng)过AI Agent将这些隐性知识数字化(huà)，从而使(shǐ)AI Agent能达到(dào)更高层次的水平(píng)，进一步推动(dòng)企业(yè)的数智化转型。

　　当前，随着AI技术的发(fā)展，大模型的推理能力正在不断提(tí)高。之前大模型的能力还处于“Number 1—高中生”水平。今天(tiān)凌晨OpenAI发布了最新模型o1，并表示o1可以推理复杂的任务，目前已达到“博士生(shēng)的水(shuǐ)平”

　　那么，如何理解两(liǎng)种水平的差异？刚毕业的高中生与博士生的薪资差(chà)距最多在(zài)5倍，但(dàn)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的模型效果，同(tóng)时也会带来成本的大幅提升。

　　当(dāng)然，根据智能摩尔定律，这个(gè)（成本）曲线会往下降，但本身是符合这个规律的(de)。因此我们需要找到更经济有效的方式来应用这些(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(wù)流程结(jié)合，并将流程结果记录下来，实现Agent像人一样工作。从这个角(jiǎo)度(dù)出发，团队结构变为一个专家加上100个数(shù)据员工再(zài)加上大模型，相比(bǐ)于10个专家(jiā)与100个(gè)数(shù)据员工的配置，成本效益曲线(xiàn)可能会(huì)发生变化(huà)。

　　Agentic AI在(zài)金融业的落地实践(jiàn)

　　随着大模型能力的不断增强，Agent的能力不断丰富，我们有可能在未来看到AI模型像(xiàng)人(rén)类(lèi)一样处理复杂的逻(luó)辑推理任(rèn)务，深刻变革企业的组织(zhī)结构、人(rén)员配(pèi)备乃至业(yè)务流程。无(wú)论是处理端(duān)到端重复性的业务内(nèi)容，还是跨部门协作，AI都在增强人类的工作效率。

　　我(wǒ)们认为，未来，AI有(yǒu)望在(zài)角色、团(tuán)队和业务层面逐步取代部分人力工作。目前(qián)，数字化技术如API、BI、OCR以及低代码(mǎ)平台(tái)等，已经在各个层面(miàn)发挥其独特(tè)作用。AI可能更多在业务处理(lǐ)量和业务活动上表现突出，未来，AI的应用能力预计将得到进一步的扩展和增强。

　　这是澜码科技现在的(de)产品架(jià)构(gòu)。我们从业务(wù)流程(chéng)视角去改进(jìn)、增强、替代人的能力。

　　最底层是工作流，我们(men)通过低代码的方式将复杂的业务流程编排成可自动执行的(de)任(rèn)务，让AI Agent能完成一些简单的业务任务(wù)；

　　再向(xiàng)上一层是对话(huà)流，这是我们(men)的(de)创新(xīn)之处，基(jī)于大模型的理解(jiě)能力，Agent能够(gòu)深(shēn)入理解人类需求，在处理复杂任务(wù)时，能够清晰地界定业务(wù)活动的各个环节，实现(xiàn)自动化(huà)处理复杂的业务内容；

　　在业(yè)务处理层面，我们有能力(lì)将不同的业务内容进行编排和整合，采(cǎi)用多样化的方法来解决(jué)业务活动中的复杂问题。

　　以(yǐ)澜(lán)码为保险行业提供的销售增(zēng)强解决方案为例，我们主要(yào)帮助客户解(jiě)决了保险代理在(zài)解读体检报告和(hé)精(jīng)准推荐保险产品方面的难题。传统上的保险代理可能(néng)缺(quē)乏必要的专业知识来准确解读体检报告，并据此为(wèi)用户推荐合适的(de)保险产品。

　　基于此，我们能够将保险公司的业务专家知识和经(jīng)验整理(lǐ)成可操作的指导或(huò)规(guī)则，通过工(gōng)作流将信(xìn)息抽取(qǔ)、指引和遵(zūn)循等步骤自动化(huà)，从而提高处(chù)理体检报(bào)告的效(xiào)率(lǜ)。同时(shí)，根据(jù)体检报告的(de)内容，AI Agent能够给出符合(hé)个人健康状况(kuàng)的保险产品推荐。在实际应用(yòng)中，这一解决方案在某地(dì)级市处理的10万份体检报告案例中，显著提高了(le)保险业务人员(yuán)的转化率。

　　目前(qián)，我们也正在与一家(jiā)股份制银行合作，开发针对银行对公客(kè)户经理的(de)营销客户解决(jué)方案。在银行(xíng)业，营销是目前至关重要的一(yī)个领域，这也(yě)是Gartner所提(tí)到的，生成式AI在(zài)银行业最(zuì)重要的是营销场景(jǐng)。

　　我们打造的(de)方案旨(zhǐ)在让客户经理将更多的时间和精力投入(rù)到客户关系上，而不是花(huā)费(fèi)大量时间去理解和制定复(fù)杂的金融方案。制定可行化金融方案通常是比较(jiào)复杂的，包括理解客户(hù)需求、用户行为习惯，并据此制定存(cún)款方案。方案包括利(lì)息计算和比较等。而这些工作往往涉及多个不同的系统(tǒng)，我们(men)通(tōng)过基本能力的封装，为企业提供对公客(kè)户(hù)经理辅助Agent，从(cóng)而提升他们的工作效率和自动化水平。

　　此外，我们在(zài)获客转化过程中，可以(yǐ)利(lì)用企查(chá)查等各种数据(jù)平台(tái)获取(qǔ)信息，挖掘供应链的上下游关系(xì)，帮助客(kè)户经理更准确地描绘客(kè)户(hù)画像，从(cóng)而更有效地吸引优质客户。

　　新浪(làng)声明：所有会(huì)议实(shí)录均为现场速(sù)记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并(bìng)不意味着赞同其观点或证(zhèng)实其描述。

责任编(biān)辑(jí)：梁斌 SF055

未经允许不得转载：骏诺车品JNCP官方网站周健：Agentic AI代表着大模型的技术更迭与落地状态