6月11日凌晨，苹果召开了WWDC大会，正式发布了苹果智能体系“Apple Intelligence”。Apple Intelligence中内置的LLM，能深刻理解自然语言，在此基础上，整合了ChatGPT的Siri，升级成为能听懂你任何指令的个性化智能体（agents）。
以用户的个人数据和应用环境为基础，通过深入研究用户的应用信息、调用数据库，只需一声令下，Siri就可以帮你跨APP调用各种功能，如帮你从驾照的照片上，提取你的身份证号码，并将其输入到网页表单中。
这是继大模型之后，AI全新的发展方向——人类只负责设定目标，AI完成任务拆分、工具选择、进度控制，实现目标后自主结束工作的全过程。正如库克在发布会上所说“苹果将全面拥抱AI时代”，世界的目光同样开始汇聚到即将来临的智能体时代。
那么，到底什么是智能体？智能体对于企业而言究竟意味着什么？国内智能体发展到了什么程度？如何利用这一新质生产力赋能私域？关于以上问题，6月6号，弯弓研究院院长梅波与前喜茶数字化副总裁沈欣，进行了直播连线，就日前火热的智能体话题进行了探讨，对话整理如下，enjoy：
弯弓：最近智能体很火，你怎么看这个概念？
沈欣：为什么智能体能火起来？主要有两个原因：第一，资本需要新故事；第二，AI竞争非常激烈，最后会演变成资本游戏，如果不想被任何一家绑架，就需要在应用侧做松耦合。
智能体的出现，相当于在原来的大语言模型，加了整合层。层下用哪个AI关系不大，最终都能完成指令任务。只是不同AI带来的效果会有所差异。
弯弓：能否举例让我们更具体理解智能体？
沈欣：智能体这个名词并不新鲜，英文是agents。早在2017年，清华大学就出版过一本智能体应用的书籍。大家开始明白，只有把具备单一解决问题的小工具（agent），系统组合成agents，价值才是最高的。
比如，今天老板给我一个任务，让我把昨天提交的两幅修改，一幅画要改成色彩鲜艳，一副要移动画面任务位置，修改完毕再次提交客户。面对这项任务，AI与人工的操作就会有很大不同。
弯弓：两者会有什么不同？
沈欣：如果是人力操作，基本流程就是打开PS修改，然后手工发邮件提交；现在有AI，使用文生图大模型，就可以帮你解决修改这个步骤动作。当你提交邮件时，你还可以使用文生文大模型润饰措辞，最后，通过另一个AI来完成邮件发送。
不过，要自己一个一个调用AI工具会比较麻烦，智能体就能够链接不同功能的AI工具，帮你高效解决问题。
弯弓：听起来，智能体和市场上早就有的智能助手似乎功能一样，二者区别在哪？
沈欣：智能体与智能助手是不一样的。
智能助手的应用，永远在C端，是辅助办公的工具。比如，我是一个员工，可以用AI帮我画画、设计、写文案，这些工具，是作为员工的智能助手来增效的。
而B端老板，需要的是智能体。这个层面看，智能体相当于数字员工。智能体与智能助手的关键区别是：数字员工可以主动发起流程、利用经验帮助老板做决策建议，而智能助手只能按照指令完成某项任务。
弯弓：可以举个简单例子吗？
沈欣：比如，老板请了个有经验的运营，这位员工在上班路上，听到天气预报说，未来五天会升高温，回到公司后，他立刻找到该企业历史上，气温飙升时间内，哪些商品销量变化最大，发现是爽身粉后，立马去查企业产品库存，确认是否需要调货等等。
以上流程工作，是智能助手无法做到的。但智能体作为数字员工，它会主动作出反应，然后发起OA流程，告诉老板由于天气所引发的业绩、销售等方面变化的应对措施。各部门负责人通过OA了解情况，确认后便可以执行。
对于大语言模型，我不认为它是新质生产力。但如果是智能体，我会认为它是新质生产力的重要表现。
弯弓：在你看来，中美智能体，目前在开发与应用上有差距吗？中国的优势在哪里？
沈欣：目前两国发展进度差不多，但中国有两个明显优势：第一，中国落地应用能力强；第二，中国硬件能力突出。
为啥这么说？对于第一点，中国的使用场景比美国多。美国的大模型，目前集中在图文和视频等文科生领域，也即第三产业领域。但中国的大模型发力点在第二产业，该产业特点就是可被复制与复用。
国内对智能体的要求，并不需要各部分AI发展成AGI，每个小工具，完成某个指令不需要太大的AI算力，能顺利完成智能体的指令任务即可。因此我们落地很快、使用场景也很丰富，普及率很高。
弯弓：第二点硬件呢？
沈欣：这个硬件指的不是芯片、计算机之类的硬件，而是集成式的智能体盒子，已经在国内市场上生产了。盒子中部署了高算力的芯片、搭载AI大模型的智能助手等一整套体系，只需要跟原来的系统做接口就可以直接使用，这一点是国内的优势。
弯弓：很多人预测，今年是智能体真正落地的元年，你怎么看？
沈欣：智能体真正产生价值，需要的是落地业务能力，而不仅仅是技术能力。比如，我上述讲的运营例子，如果智能体不了解这项业务，它就无法在使用场景施展能力。
因此，我们真正需要培养的，是智能体对行业、业务和场景的认知，进而落地应用，才有价值。如果没有足够多的场景设备，我认为它不叫智能体，充其量是一堆工具的堆叠而已。我预计，今年智能体会有个比较大的爆发。
弯弓：这样一来，BI企业的业务是否要重构？
沈欣：肯定需要调整。举例说，一家企业，每个季度不同部门的员工，要对同一份数据库做不同报表——库存、促销、现金流和会员消费等，每个部门的关注点都不同。
传统的BI，会先为各部门写一堆软件功能，做适配模型，员工只能根据模型生成特定的图表，不够灵活。同时，BI公司还要花许多工作量，满足不同部门对报表的格式和内容的需求。
弯弓：智能体会怎么办？
沈欣：同样是从数据库抓数据，你只需用自然语言问智能体，比如“我要看今年3月门店库存情况”，它就开始调用多个AI——首先翻译你的话，其次会从数据库抓取一堆文字符串、数字等数据格式化，生成JSON的自然型，再根据不同需求，调用AI生成图表，最终输出。
只要是数据库中的数据能回答的问题，你都可以直接向智能体询问。一次性的工作，就能得到你最想要的查询结果可视化，这样个性化的服务是智能体拓展性的体现，极大地提高了整个部门、企业的工作效率。
弯弓：意思是，要从数字化向智能化时代过渡吗？
沈欣：是的。智能体的发展，必须从信息化、数字化和智能化三个维度去做。信息化，是要把准确数据放进数据库中；数字化，是要想明白数据的意义，背后蕴含的逻辑是什么。这些商业逻辑，会形成对应的商业模型，AI，就是基于模型的流程生成各种建议。
在数字化阶段，会诞生各类智能助手。就像开车一样，智能助手是导航，而智能体则是自动驾驶。因此，在智能化时代，我们要理清各种问题边界，进行量化处理——流程是如何制定的？各项决策的逻辑链路如何进行，等等。
把这些问题解决后，我们就从导航系统，升级到自动驾驶系统，这才是真正解放生产力的时候。
弯弓：智能体能够为私域运营带来什么变化？
沈欣：智能体赋能私域的前提，在于思维方式的改变。
我为大家讲个案例：连锁门店的HR排班系统，有一个进化过程。最开始，门店的排班纯粹依靠人力，一旦店长对员工能力认知不清晰，排班不公平，员工意见就会很大。
后来，企业通过对员工的工时拆解，形成一套数据库，进行最合理的资源配置。它依靠的逻辑是，比如制作一杯饮料，员工需要做几个环节工艺？每个环节所需时间多少？销售高峰期卖出的饮料数量等，结合这些数据，系统就会知道，不同时间段，店内该有的排班人数。
弯弓：这就是智能排班？
沈欣：没错，这种排班系统上线后，各种细节：比如请假、换班，各种管理会遇到的问题，都能在这个智能软件得到妥善解决。
而且，当有了这个系统后，老板就可以反向思考：制作饮料的工时、逻辑环节已经被系统量化。那么，在员工工作流程中，哪个环节是可以用自动化设备替代掉，进而提升总体工作效率，为企业带来最大化的价值。
这是数字化向智能化发展的思维模式，也是赋能私域最重要的思想转变。
弯弓：也就是说，得先进行思维转变，才能更好利用智能体赋能私域？
沈欣：可以这么理解。回到最初的问题：智能体如何赋能私域？
我觉得这个问题可以分解为，用什么智能体、在哪个环节赋能私域、能给私域带来哪些特定的价值？是增加效率、降低顾客投诉，还是提升复购率？
这样原本很宽泛的问题，就变成了：智能体可以高效地解决哪个环节的问题？简单概括为两步：第一，私域有哪些环节；第二，哪些环节你觉得不足，需要智能体去补充的？
弯弓：对，根据自身现状拆解成当下需要解决的问题
沈欣：总结下来，智能体真正的价值在于组织能力、任务分解能力。但这些能力的来源，其实来自员工、领导们的经验，它要做的就是将这些人思考、任务分解、处理问题的方式固化下来，变成企业独特的一套流程化的东西。
如果A、B企业都在用文生图的工具，那这两家企业没有任何区别。只有基于自身企业的数据、知识、独特的能力设计出来的智能体，才是专属于企业的数字员工，才是有差异化、有价值、有意义的投入。
全文完，感谢您的耐心阅读。
粤ICP备14082021号
免费POC，
零成本试错
