创始人来信:智能时代下的 Agent、开放数据基础设施与人
有效阅读仅保存在当前浏览器,用于「为你」推荐;暂停或清除记录。
DataHot 速览
某数据公司创始团队发布公开信,提出“智能+工具+数据=Agent”的框架,认为智能体已能胜任大量知识工作,但受限于时间以及人类分析员处理周期的不足。信中区分了两类任务:一类是合同审查,所需数据量适中但精度要求高;另一类是医疗账单下滑归因分析,需要海量结构化数据,还要结合 OKR、会议记录等非结构化上下文,评估难度极大。文章强调开放数据基础设施与可验证性(eval)是 Agent 落地的前提。
为什么值得关注:该文给出 Agent 能力边界的判断框架(上下文可得性、结果可验证性、数据规模),并用数据分析场景具体说明,对做 ChatBI 与分析 Agent 的团队有直接参考价值。
译文
AI 逐段翻译我们已经进入智能时代。这将影响一切。它将首先影响知识工作和知识工作者。
我们此前已经经历过多次技术变革:PC、互联网、移动、社交、云。它们都影响巨大。而这次变革将更加重大。它将改变企业的角色,以及人类在生产流程中所扮演的角色本身。
智能要想发挥最大效用,必须与工具和数据相结合。没有工具和数据的智能就像缸中之脑:有用,但非常有限。
我们把智能加上工具和数据称为智能体。智能体可以拥有目标、提问和回答问题,并执行动作。智能体可以完成工作。
智能体在许多形式的知识工作中已经相当出色。它们往往在上下文 readily 可得且结果可验证的领域表现优异。软件工程正是同时满足这两个标准的领域的完美例子,而智能体在软件开发方面几乎令人惊讶地娴熟。
有些任务需要大量数据
让智能体做合同审查,你需要给它合同、红线修订历史、任何往来电子邮件,以及该组织的合同准则。这项任务具有真实的经济价值,需要高水平的准确性和专业性,但只需要适量的数据。
考虑另一项任务。想象你是美国排名前五的医疗保健提供商,你发现某个客户群体细分中的账单收入逐年下降。你问智能体:为什么会这样,我们应该怎么做?
这项任务,即数据分析和解读,具有完全不同的特征。它是可验证的(你可以为它编写评估),但充分解决它所需的数据范围是巨大的。除了所有相关的结构化数据之外,部门 OKR、会议记录、当前举措等也可能提供宝贵的线索,以提高答案质量。
所需的复杂程度令人望而生畏。
时间是最大的约束
永远没有足够的人力周期来充分调查这样复杂的问题。人类分析师可能在对话中有30秒的时间给出意见,或者有几个小时/几天的时间进行研究。但人类在调查重要事情时所能完成的工作量,即使有几天时间,相对于潜在的复杂性而言也相当有限。总有一些路径未被探索,最终给出的答案容易受到路灯效应的影响。
也许更糟的是,大多数问题根本没有被提出:组织内部对获取数据分析师时间的机会始终存在显著的潜在需求。当组织将智能体部署到其团队时,问题/答案循环增加了50倍。
智能体可以解决这两个问题。它们基本上拥有无限的时间,并且可以立即随叫随到,服务于所有人。我们只需要让它们访问所需的数据。
在现有基础设施上引导智能体
智能体是在现有基础设施上引导的。人类已经在使用的计算、网络、语言、API等已被智能体所采用。这是智能体爆发速度的原因之一:智能体正运行在我们长期以来铺设的轨道上。
数据团队也有轨道来帮助智能体获取所需的数据。我们数十年来一直在构建的现有数据基础设施,将是智能体运行的基础。
但要释放 AI 的全部潜力,还需要一些尚不存在或仍处于早期的基础设施。评估。后台记忆形成。等等。这个“智能体技术栈”将为智能体提供对业务持久、共享的图景,使每项任务都从公司已知的内容开始,而每个新发现都会加入持续学习的循环。
智能体从业务本身学习效果最好
大多数工具通过阅读人类在文档、聊天和电子邮件线程中写的内容来构建业务的心智模型。这有点像试图只通过看有线新闻来理解政治,却从不与选民交谈。每个数据点在到达你之前都经过了过滤;没有什么是直接的。一个从人们所写内容中学习组织的智能体,学到的只是谈话要点。
有更好的来源。将智能体连接到业务实际发生的系统,并给它们提供说明数据含义的定义、逻辑和评估。这样,智能体才能构建对业务本身可信赖的心智模型,才能使其有信心做出决策并采取行动。
从增强到自主
我们的近期愿景是,智能体将为知识工作者提供超级助力:人类借助 AI 完成更多工作。Fivetran 今天已经在为许多客户驱动这样的世界。
我们也认识到,我们正在迅速超越这种模式。AI 原生公司正在通过创建自主智能体来重塑工作的完成方式,这些智能体端到端地负责业务流程。这就是未来。
以客户支持为例。最初,目标是“减少我需要的人类支持人员数量”,流程完全没有改变,只是由 AI 增强。自主版本已经变成:帮助解决工单,但还要监控客户的账户,以确保他们之后继续保持良好状态,如果不是则主动联系,并确保直接向软件工程智能体提交任何工单,以便为其他客户修复。这不仅创造了卓越的客户成果,还改善了整个系统。
智能体工程师
构建这些自主智能体的人的 DNA,与过去十年加入数据团队的人的 DNA 相同:好奇、注重结果、学习快速、具备足够的技术能力。你的数据团队中有很多这样的人,但在业务的其他领域也有:运营、财务等等。
这些人就是未来的智能体工程师。
智能体工程师负责四项独立的工作:
- 流程工程:理解现有业务流程,识别将其自动化的机会,并围绕智能体重新设计流程。
- 系统工程:为智能体提供执行工作所需的工具、数据、上下文和指令。
- 评估与运营:定义成功标准,监控智能体行为,诊断失败原因,并持续改进结果。
- 变革管理:建立信任,获得组织认同,重新设计人类职责,并管理从人类执行工作到智能体执行工作的过渡。
那些为智能体工程师留出施展空间的公司,将从人工智能中获得最大的影响。
不开放就行不通
随着时间推移,你的自主智能体将成为你业务的运行方式。而将你的业务绑定到单一技术供应商会让你在战略上变得脆弱。一家拥有自己的数据和治理、并能无缝切换其模型和算力的公司,才能掌握自己的未来。
这就是为什么开源、开放标准和跨平台可移植性比以往任何时候都更加重要。
这也是为什么我们完全致力于围绕开放数据基础设施原则来构建整个 Fivetran 平台。
保持人性
分析智能体已经到来。自主智能体即将到来。我们正在构建它们所需的基础设施。
在我们十余年的历史中,我们始终投资于并倡导从事工作的人类,我们将继续这样做。Fivetran 的四大核心价值观之一是“保持人性”。引用其原文:
“作为人类,就是继承数亿年进化学习的成果,这是一份几乎难以想象的丰厚遗产。”
即使人工智能和智能体变得越来越有能力,那些使我们成为独特人类的特质——同理心、目标设定、创新以及许多其他特质——也会变得更有价值。我们打算继续投资于那些将构建我们智能体未来的杰出人类从业者,我们鼓励你张开双臂拥抱这个未来,与我们以及彼此携手同行。
总有更多的东西需要构建。
补充来源
1 个信源 · 1 篇报道这篇内容对你有用吗?
反馈只用于改善内容筛选,不等同于收藏