文|EvoSmart姚娜
过去两年，我们已经接触了不少AI工具和插件，比如帮我们写作的ChatGPT、帮我们画图的MidJourney、帮我们作曲的Aiva、帮我们制作视频的Sora等等，这些AI工具已经让我们惊叹于人工智能的强大功能，它们在执行特定任务的能力与效率已经远超人类，然而，这还只是这场变革的序曲。
假定有一个机会，让我们可以根据各种业务场景任意创造新员工（AIAgent），它们不仅勤奋无比、思维理性，还拥有庞大的知识库；它们能够不懈追求既定目标，对每一项任务都有条不紊地回应；更具备自主学习和成长的能力，随时准备通过新的执行工具和插件来拓宽能力边界；最重要的是，这些员工无需工资，从不知疲倦，还精通多种语言。
这说的就是AIAgent未来的落地场景，不管我们相不相信，愿不愿意，这场AI带来的劳动力市场和社会组织变革都在加速进化中。
AgentHospital：AI医生比人类医生还靠谱？
最近有一个关于AIAgent在医疗领域应用的引人注目的案例，叫“AgentHospital”。这是一个由清华大学研究团队开发的医院仿真系统，这个系统模拟了从接诊、诊断到治疗的完整医疗流程，完整复刻了现实医院的各种问诊室、检查室。AIAgent扮演的14个医生和4个护士完成了从分诊、登记、咨询、医学检查、诊断、药物发放、康复和后续随访的全过程，全程与病人完全自主交互。
这些由大型语言模型（LLMs）驱动的AIAgent在几天之内接诊了上万名病人，是人类医生效率的500倍，AIAgent在检查、诊断和治疗准确率分别达到了88%、95.6%、77.6%，呼吸疾病诊断准确率达到93.06%，高于人类专家的87%。尽管这个系统目前尚未应用于真实病人，但它在医学问答数据集MedQA上的表现已经超越了现有技术。
清华大学的这项研究虽然只是一项AIAgent的应用技术试验，但其深层含义堪比社会寓言。所有劳动密集型和长链条的复杂业务场景，都有可能因为AIAgent的出现被彻底重构。即便是那些以知识为基础的行业，也可能在这次技术变革中被部分或完全替代。
为什么AIAgent可以成为“超级员工”？
AIAgent之所以能成为超级员工，是因为它本质上是一个通过整合多种AI工具来执行复杂工作流程的模型架构。随着AI工具的不断增强和扩展，AIAgent的工作能力也在不断提升。更为关键的是，AIAgent采用了OKR（目标与关键结果）的工作方法，这不仅有助于明确目标，还能持续优化过程以确保最终成功。观察者们预测，在未来的人类社会中，任何个人都可能通过训练AIAgent来构建一个规模庞大如千军万马的企业，这种现象也被称为“一人制独角兽”。
AIAgent的工作流程包括以下7个关键步骤：
设定目标：为AIAgent设定一个清晰的目标，作为其工作流程的启动点。
创建任务列表：基于设定的目标，AIAgent自动创建任务列表，明确需要完成的任务、任务优先级和执行顺序，：超级员工将至同时预设应对潜在问题的方案。
收集信息：AIAgent搜集执行任务所需的信息，涉及网络搜索、数据库访问及与其他AI模型的交互。
管理数据：AIAgent持续管理并分析收集到的数据，这些数据包括直接收集的信息以及与内外部互动中积累的知识和经验。
整合反馈：AIAgent利用市场数据、客户反馈及内部监控系统的信息，评估其向目标进展的情况，并据此调整任务策略和工具的使用。
持续操作直至实现目标：AIAgent通过不断的行动、反馈和调整，持续运作直至实现设定目标。这种持续的自动操作区别于传统软件，是其显著的特点。
自适应学习：在整个工作过程中，AIAgent不仅执行任务，还在实践中持续学习，通过积累的经验不断提升效率，适应新挑战和环境。
在了解AIAgent的工作原理后，我们确实可以看到，借助调教好的AIAgent，不仅企业可以重构全部业务场景，单个个体也能借助AIAgent调动重大资源，实现复杂业务协作。这无论对于追求效率优化的企业，还是希望扩展能力边界的个人，都具有划时代的意义。
驾驭AIAgent，每个人都可以成为“超级员工”
2023年7月，麦肯锡发布了长达76页的报告，详细描述了AI对美国劳动力市场的未来影响。报告预测，到2030年，AIAgent可能替代的工作时间将达到美国经济总工作时间的30%，预计1200万人将需要进行职业转换。这不仅是对个人的挑战，也是政策制定者、企业领导者和社会各界需要共同面对的挑战。
报告还充满诚意的描绘了多种工种进行职业转换的路径，比如：当一个汽车技术员转为风力涡轮机技术员时，AIAgent通过模拟的风力涡轮机维修场景，利用现场数据为工人提供实时故障诊断和维修方法。这使工人能够熟练运用高级工具和技术，有效整合和利用复杂的资源，从而掌控复杂的工作流程。
复杂业务环境，已为创造“超级员工”准备了训练数据
与美国等国家相比，中国市场在采用AIAgent技术时显示出了独特的策略和节奏。一方面是中国市场的务实主义，强调快速实施与规模化应用；另一方面，在高度竞争的市场环境中，传统的高效工作模式已经帮助中国积累了大量的操作数据和用户交互经验。这些数据不仅包括直接的业务操作数据，还涵盖用户行为数据和各种模拟环境中生成的数据，这为AIAgent模型的训练提供了宝贵资源。
举个例子，社群运营这一工作职责整合了市场营销、客户服务、销售等多种角色。社群运营人员不仅需要产生吸引人的内容，如在社交媒体上发布图片和视频，还要精通在线销售，懂得把握客户的痛点，推动销售转化。进入服务和销售环节后，他们还需与公司内部各部门进行有效沟通协作。此外，社群运营人员还要负责统计和分析运营数据，向上级汇报，在这样的环境中快速成长的专业人员，提供了丰富的学习样本给AI模型。正是这些实际的复杂业务操作案例，使得中国在AIAgent在场景落地和模型的训练上具有弯道超车的潜力。
