我们在 Box 实施的一个 AI 优先实践是每周有人向全公司演示他们的 AI 工作流程。通常这是我们从未预测到的事情。平衡技术的中央规划和用例采用的去中心化是很重要的。

NVIDIA 将成为首个 10 万亿美元的公司

最佳的AI代理游戏是模型表现良好，但模型与工作流程之间仍存在较大差距的地方。在这里，您可以通过更好的领域理解、数据、工具使用、上下文和量身定制的用户体验来建立真正的护城河。这里有许多机会。

人们可能过于担心 AI 模型在不断改进的过程中会吞噬应用层。为了使 AI 代理能够正常工作，大多数企业将需要在 AI 和其特定工作流程之间架起一座桥梁。 事实证明，在真实、高度可变和敌对的环境中使 AI 代理正常工作最后一公里是极其困难的。而且，这一过程的最有价值部分正是这一点。 AI 模型与企业工作流程之间的桥梁将需要大量软件来连接不同的系统，提取正确的企业数据，妥善处理安全性和权限，并与用例紧密关联的深层上下文。 然后，您还需要根据用例量身定制的客户支持、服务水平协议 (SLA)、责任条款、量身定制的销售策略、与该类别对齐的合作伙伴关系等等。所需的清单几乎是无穷无尽的。 每一个垂直领域，甚至是关键的横向类别，都需要深厚的专业知识才能使 AI 代理有效。目前最大的机会是识别这些差距最宽的地方（模型与工作流程之间），并用适当的软件和专业知识来填补这些差距。 而且，即使模型不断改进——这之前曾带来过自我吞噬的风险——专注的参与者可以为客户提供更多的价值和用例。如果您抓住了正确的市场机会，几乎没有任何场景会使模型改进在构建 AI 代理时变成坏事。

现在在为企业实现人工智能代理方面有很多机会。这些模型具备惊人的能力，但要将它们融入企业工作流程中，需要大量的支撑、领域理解和上下文工程。这就是关键所在。

构建 AI 代理是一项平衡确定性和非确定性工作流程的练习。代理自由度过小，你将无法从模型的智能中受益。自由度过大，你将面临安全问题或杂乱无章的结果。这就是为什么 SaaS + 代理将继续存在的原因。

如果你正在构建人工智能代理，你必须找到自动化的最佳工作水平，以实现最大的有效性和市场规模。过于狭窄，代理会工作，但市场规模小。过于宽泛，代理尚未工作，但市场规模大。必须找到最佳平衡点。

上下文工程正日益成为当前企业中构建有效AI代理的最关键组成部分。这最终将成为大多数组织在AI代理采用中的长杆。 我们需要能够深入理解与其相关的业务流程上下文的AI代理。这意味着要访问该工作流程中最重要的数据，在合适的时刻使用适当的工具，拥有正确的目标和指令，并理解其所处的领域。 对于任何构建企业代理的人来说，一些重要的未解决问题包括： * 狭义代理与广义代理。任务越小，给AI代理提供成功所需的正确上下文就越容易。但任务越小，价值就越低。找到生成价值的最佳任务规模将在未来几年内成为一个重要因素。 * 将数据导入代理准备好的系统。企业数据通常在数十个或数百个系统之间是碎片化的，其中许多系统并未为AI世界做好准备。大多数公司仍需现代化其数据环境，以充分利用AI代理的优势。 * 访问任务所需的*正确*数据至关重要。即使在现代环境中拥有数据，确保访问控制与AI代理所需的访问权限完美对齐也是至关重要的。此外，决定在什么情况下进行RAG，什么情况下进行一般搜索，以及什么内容完全放入上下文窗口，对于每个任务都非常重要。 * 选择什么应该是确定性的与非确定性的。如果你对模型的要求过高，可能会看到质量下降。然而，如果你让模型做得太少，那么你就会大幅低估AI的潜力。当然，这也是一个动态目标，因为模型本身正在以加速的速度改进。 * 获取AI代理上下文的正确用户界面至关重要。获取代理上下文的问题一半看起来根本不是AI问题。这完全取决于代理在工作流程中的出现位置，以及用户如何与它们互动，以提供完成任务所需的上下文。 未来几年企业AI的竞争在于谁能最好地为任何给定的工作流程提供正确的上下文。这将决定AI竞赛中的赢家和输家。

令人惊讶的是，AI代理的机会有多少，远远超过了它们的前AI市场。2020年，代码编辑器市场的总可寻址市场（TAM）只有几十亿美元。AI编码代理在未来5-10年内可能成为一个500亿到1000亿以上的市场。你可以在许多领域做到这一点。

在人工智能代理的世界中，SaaS的市场规模正在增长而不是缩小。您不仅仍然需要记录系统来管理企业数据和工作流程，而且人工智能代理为这些工具创造了全新的价值主张。您现在将工作带给客户。