人機協作 是本文的核心主題；以下先整理最需要掌握的重點，再依步驟說明如何執行、檢查成果與避免常見錯誤。
人機協作的新範例
人工智能代理突破典型語言模型限制
透過推理、規劃、記憶及行動等能力，人工智能代理成功解決了典型語言模型的關鍵限制。在當今科技快速發展的時代，這樣的突破為人機協作帶來了全新的可能性。
多智能體 AI 系統：拓展人工智能代理的潛力
單一個人工智能代理固然能提供有價值的增強功能，但它真正的變革力量，源自於與其他代理共同合作。多智能體 AI 系統運用各種專門的角色，讓組織得以自動化和優化一些單一代理難以獨力處理的流程。
AI Agent 與多智能體人工智能系統的主要優勢
- 能力：AI Agent 能夠自動與多種工具互動，以執行獨立語言模型無法完成的任務，像是瀏覽網站、進行定量計算等。
- 生產力：獨立的大型語言模型（LLM）需要持續的人工輸入與互動，才能達到預期成果；而 AI Agent 只需一個提示，就能規劃和協作執行複雜的工作流程，大幅加快交付速度。
- 自我學習：AI Agent 能運用在預訓練語言模型中通常不可用的短期和長期上下文記憶資源，隨著時間推移，迅速提升其輸出的質量。
- 適應性：當需求改變時，AI Agent 可以推理和規劃新的方法，快速引用新的和即時的數據源，並與其他代理協調和執行輸出。
- 準確性：作為自動化工作流程的一部分，多智能體 AI 系統的一個關鍵優勢，是能夠使用與「創建者」互動的「驗證者」代理，來測試和提高質量及可靠性。
- 智能：當專門從事特定任務的 AI Agent 一起工作時，每個 AI Agent 都使用自己的記憶，同時運用自身的工具和推理能力，新層次的機器驅動智能便成為可能。
- 透明度：多智能體人工智能系統透過展示智能體如何溝通和共同推理，提供了對集體決策和建立共識過程更清晰的視角，增強了解釋人工智能輸出的能力。
轉型戰略洞察
不論哪個行業，每個組織都需進行研究、分析和報告，內容可能涉及經濟狀況、消費者和選民的偏好、政策和定價策略等各種主題。
以往，這些項目需要熟練的人類分析師執行多個步驟，耗時且需運用研究和分析工具，以及內部的專業知識。
德勤研發出一個多智能體人工智能系統，能簡化和改進研究和報告的每一步驟。以下說明其運作方式。
創造新的工作方式和創新的新視野
戰略意義
領導者應開始將 AI Agent 和多智能體人工智能系統整合到整體戰略和未來路線圖中。這包括重新構想業務流程、投資人工智能能力，以及培育創新文化。組織要為人工智能代理的採用制定清晰的路線圖，找出能創造最大價值、影響更廣泛業務目標的關鍵領域。
有效的變更管理對成功整合至關重要。領導者需仔細考慮如何解決組織內部的阻力，提供培訓，並確保員工了解人工智能代理的價值和好處。這包括制定全面的溝通策略，讓員工和其他利益相關者在整個採用過程中都能獲得資訊並積極參與。
風險的影響
AI Agent 帶來了新的風險，需要強大的安全和治理結構。其中一個重大風險是人工智能演算法和訓練數據中可能存在的偏見，這可能導致不公平的決策。
此外，AI Agent 可能容易受到數據洩漏和網路攻擊，進而損害敏感資訊和數據完整性。人工智能系統的複雜性也帶來了意想不到的後果的風險，因為 AI Agent 的行為可能不可預測，或做出與組織目標不一致的決策。
為了管理這些風險，必須為 AI Agent 互動設定明確的參數，監控操作指標，並持續確保數據的道德性、隱私性、安全性和完整性。隨著 AI Agent 被整合到核心業務流程中，一個涵蓋數據使用、道德和安全指導方針的企業範圍治理框架，可進一步協助降低風險。該框架應確保遵守相關法規，並包括對 AI Agent 互動的持續監控。高級安全措施，如加密和多因素身份驗證，可幫助防止數據洩漏和網路攻擊。員工培訓和意識計劃，能幫助員工了解與人工智能代理合作的道德和運營考量，為員工提供額外的防護。
人才的影響
AI Agent 的實施可能會改變傳統的勞動力結構。隨著人工智能代理接管常規和低價值的任務，對於與設計、實施和操作這些系統相關的人類技能，可能會有很高的需求。領導者應考慮涉及能力建設的新角色、工作描述和工作架構，以及如何識別、招聘、培訓和留住這些專業人才。
除了對技術人才的影響之外，企業領導者還應準備好協助各種角色的員工學習如何與 AI Agent 合作，甚至找出可以改進流程的新用例。若部署和管理得當，AI Agent 可以為人機協作開闢新的潛力領域，但這種潛力取決於員工對新角色的理解、接受和執行能力。
業務流程含義
AI Agent 和多智能體人工智能系統需要對業務流程進行仔細的人工評估，有時甚至要從頭開始。隨著時間推移，AI Agent 將重新定義許多核心流程，同時被整合到現有的運營模型中，提高當前流程的效率，而無需對系統進行全面改造。這種方法使組織更容易逐步採用低風險的代理解決方案，但需要仔細的規劃、管理和協調，以確保 AI Agent 能夠改進人們和（或）其他技術解決方案已經做得很好的事情。
在成功的 AI Agent 用例中，對於需要判斷、驗證和關鍵決策的任務，人類的參與仍然至關重要。這種合作對於確保人工智能輸出的準確性、可靠性和有效性非常重要。在這個範例中，與 AI Agent 一起工作的每個人都是管理者，需要發出命令（透過提示）、澄清請求、監控進度、審查產出，並在必要時提出請求或做出改變。
技術和數據影響
實施 AI Agent 可能成本高昂，需要在技術和基礎設施上進行大量投資。組織應仔細評估價值主張和投資回報，並制定分階段的方法來處理用例，重點放在「容易實現的成果」（例如，更簡單的用例）上，這可以為更複雜的啟用作好鋪墊。
高質量的數據是 AI Agent 有效工作的基礎。如果數據不準確、不完整或不一致，代理的輸出和操作可能不可靠或不正確，從而產生採用和風險問題。因此，必須投資於強健的數據管理和知識建模。
採用值得信賴的人工智能實踐是降低風險和確保道德部署的關鍵。這包括開發公平、透明和負責任的人工智能代理解決方案，以及解決人工智能模型中的潛在偏見。
人機協作 重點與延伸資源
繼續閱讀 AIRNET AI 洞察，或 聯絡 AIRNET 討論實際需求；同時可參考 Google 搜尋最佳實務 核對外部標準。