本文是 AI On 系列博客文章，將探討代理式 AI、聊天機器人和 copilot 的最新技術與實際應用。本系列還將重點介紹驅動先進 AI 智能體的 NVIDIA 軟硬件，它們構成了 AI 查詢引擎的基礎，使這些引擎能夠收集洞察并執行任務，從而深入改變人們的日常體驗并重塑各行各業。

根據凱捷（Capgemini）預測，未來三年內，AI 智能體有望參與到企業的大多數業務中，而有效的人機協作預計將使人類參與高價值任務的比例提升 65%。

AI 智能體在學習、邏輯推理、根據情境和結果進行調整方面，能夠實現甚至超越效率目標。隨著它們在企業戰略中占據越來越核心的地位，企業領導者必須了解其在哪些方面能產生積極影響，并證明其物有所值。

以下是代理式 AI 提升團隊績效的六種方式以及衡量其影響的實用技巧。

1. 借助 AI 智能體加速軟件開發

AI 智能體可充當智能助手，幫助自動地生成、測試和部署代碼。

它們能及早發現錯誤，從而提高軟件質量、加快發布速度，還能通過提供經 AI 整理的文檔信息和背景資料，幫助新工程師快速上手。

例如，NVIDIA ChipNeMo 是一組專業的智能體，它是基于定制大語言模型構建并使用 NVIDIA 內部芯片設計數據進行的訓練。僅在一年時間里，它就幫助 5000 名 NVIDIA 工程師在設計、驗證和文檔編寫方面節省了 4000 個工作日。

自部署以來，ChipNeMo 取得了以下成果：

響應準確率達到 85%，體現了其在實際應用中極為可靠。

把查找技術答案的時間從數小時縮短至數秒，簡化了開發和故障排除流程。

通過識別測試漏洞和診斷故障，加快了驗證周期，可覆蓋典型開發周期中 30% - 50% 的工作流。

2. 推動基于數據的決策

智能體能夠幫助各行業的企業輕松地從時效性強的復雜數據中提取見解，支持投資或業務戰略等關鍵決策。

BlackRock 的 Aladdin Copilot 是一個嵌入式 AI 助手，服務于數百家金融機構的數千名用戶。它讓團隊能夠通過簡單的文本提示獲取投資組合見解、評估投資研究并監測可用現金余額。這不僅將研究時間從幾分鐘縮短至幾秒，還增強了基于數據的投資決策。

VAST Data 利用智能體快速收集并整合來自內外部的信息。對于其銷售團隊而言，這意味著他們能夠更快地獲取有關客戶賬戶的有用且最新的見解。

3. 優化 IT 運營

智能體在 IT 運營方面表現出色，包括主動監測基礎設施和自動決策。

在 IT 運營中，AI 智能體具有以下優勢：

更快地解決問題：自助 IT 支持智能體能夠快速地處理工單并自動處理日常任務，提升用戶體驗。

安全自動化：在安全領域，AI 智能體有助于調查和分類，幫助團隊更迅速、更準確地應對安全威脅。

企業搜索：智能體可以對整個組織的數據進行高級搜索，挖掘見解并維護機構知識。

在快節奏的電信環境中，智能體可以通過分析實時性能指標和預測服務故障來幫助企業管理網絡。例如，Telenor Group 整合了適用于電信網絡配置的 NVIDIA Blueprint，部署了智能的自主網絡，以滿足 5G 及未來網絡的性能需求。

4. 簡化工業和制造業運營

視頻分析 AI 智能體能夠與物理世界交互，可監測裝配線以進行質量檢查和異常檢測。

和碩（Pegatron）開發了 AI 工廠 PEGA AI，在過去四年中，該平臺將全公司 AI 智能體的開發速度提升了 400%。此外，該公司基于 NVIDIA Omniverse 平臺構建了數字孿生平臺 PEGAVERSE，使工程師能夠在生產線建成前進行虛擬的模擬、測試和優化，將工廠施工時間縮短了 40%。

借助適用于視頻搜索和摘要的 NVIDIA AI Blueprint 的視頻分析 AI 智能體，和碩還優化了其裝配流程，讓每條裝配線的勞動力成本降低了 7%，缺陷率下降了 67%。

西門子將生成式 AI 融入其解決方案，推出了 Industrial Copilot 智能體系統，它利用實時工廠數據為維護工程師和車間操作員提供指導。對維護工程師的采訪表明，這種方式平均可節省 25% 的被動式維護時間。

Foxconn 利用數字孿生體和 AI 智能體來優化生產線，使其部署時間縮短了 50%，同時還將它們用于模擬機器人和實時監測質量與安全。

5. 提升客戶服務

智能體擅長大規模處理客戶服務，通過同時處理數千條咨詢來減少客戶等待時間。

AT&T 為員工和承包商提供了一個名為“Ask AT&T”的生成式 AI 解決方案，其中包含 100 多個已投入使用的解決方案和智能體?！癆sk AT&T”使用基于 NVIDIA NeMo 和 NVIDIA NIM 微服務的大語言模型構建，可幫助用戶獲取相關文檔并自主解決常規咨詢。

“Ask AT&T”提供 24x7 全天候個性化支持，通過從組織的電子郵件、會議和過往交易中調取信息，來分享相關情景的建議。為了持續提升智能體的性能，該系統利用數據飛輪構建了實時反饋循環。

這些自動化服務使呼叫中心的轉錄分析成本降低了 84%。

6. 提供個性化教育

AI 智能體使個性化學習更易獲取支持、可擴展、更高效，同時讓講師能有更多時間進行更深入的教學。

面對班級規模不斷擴大和助教短缺的挑戰，美國克萊姆森大學使用適用于檢索增強生成的 NVIDIA Blueprint 開發了一個 AI 驅動的助教，用于指導學生理解復雜的概念。

這個虛擬助教并非簡單地提供答案，而是逐步引導學生思考，鼓勵他們主動解決問題并培養批判性思維，從而促進深度理解和學術誠信。

根據課程內容、作業截止日期和學生提交的內容，這個助教還可以提供個性化反饋和提示。它 24x7 全天候運行，無論有多少學生，都能為每位學生提供及時、量身定制的支持。

如何衡量 AI 智能體的成功？

衡量 AI 智能體的影響并非只是走過場，這對于最大化投資回報至關重要。用戶對成功的定義將直接決定這些系統創造價值的能力。企業在部署智能體時往往缺乏清晰的衡量框架，因此很難證明投資回報或找出需要改進的地方。

在制定評估策略時，用戶應考慮哪些指標對實現目標最為重要。例如：

采用率和參與度：監測這項技術是否被廣泛使用。指標包括有多少符合條件的用戶使用智能體、使用頻率以及會話持續時間。高參與度意味著智能體一直在提供有效的支持。

任務完成度：不僅要看使用情況，還要看效果。用戶需要衡量智能體處理的任務或請求數量，以及哪些部分是在沒有人工干預的情況下完成的。在軟件開發中，用戶可以衡量自動生成代碼的比例，以了解軟件在多大程度上是由智能體開發的。自動完成任務的比例高意味著員工能騰出時間從事更有價值的工作。

生產力和效率提升：量化節省的時間。解決 IT 問題所需的時間、決策報告生成時間以及客服的平均處理時間等指標有助于證明效率明顯提升。

業務成果：將智能體的績效與實際商業表現掛鉤。這可能包括支持服務中每次互動的成本、軟件開發中的產品上市時間，或 IT 運營中減少的計劃外停機時間。

高質量的用戶體驗：確保系統既可信又有效?？梢钥紤]為開發人員提供代碼質量評分，在基于數據的決策中預測準確性，或在服務場景中提供客戶滿意度評分。

要點：衡量 AI 智能體的成功遠不止一個數字，采用率、效率、準確性和業務影響都很重要。通過預先選擇合適的指標組合，企業可以驗證智能體的成效同時不斷完善和改進智能體創造價值的方式。