什么是 AI Agent？它们如何工作？为什么在 2025 年如此受关注？
AI Agent 就像升级版的数字助手——它们是能够自主思考、行动并学习的智能软件。不像传统的计算机程序只能遵循固定的规则（例如如果发生A，则执行B），这些 Agent 可以像人类一样从经验中不断学习并适应新的情况。
这一切的核心在于三个主要部分的协同工作：
- 传感器：类似于 Agent 的「眼睛」和「耳朵」，负责从环境中收集信息。
- 大脑（控制中心）：处理收集到的信息并决定下一步行动。
- 执行器：相当于它们的「手」，负责执行相应的操作。
让大家真正兴奋的还是 AI Agent 的巨大进步。它们已经从简单的规则执行者进化为由大语言模型驱动的高级系统，现在甚至能够处理图像和视频。
这些 AI Agent 可以单独运行，也可以与其他 Agent 协作，解决复杂问题——就像一整支数字专家团队进行无缝配合的工作。
这股热潮不仅仅是炒作。许多企业已经见到了实实在在的效果——AI Agent 在一些企业中已经在处理客户服务咨询、管理供应链，甚至协助医生分析医疗数据。
最酷的是，它们会随着每次交互不断改进，就像人类一样学习。因此，从医疗到物流，各行各业都在押注这种技术。
这只是噱头吗？AI Agent 真的在被企业应用吗？
我们来看看数据——LangChain 最近对 1300 多名专业人士进行了调查，结果令人震惊。AI Agent 不再是空洞的口号，它们正成为企业必不可少的工具。
以下是实际情况：
- 超过一半（51%）的组织已经在实际应用中使用 AI Agent。有趣的是，中型公司（员工在100到2000人之间）最为积极，其中 63% 的公司已经将 Agent 投入生产使用。
- 那些还没有采用的公司呢？高达 78% 的公司正在积极规划使用 AI Agent。真正引人注目的是——90% 的非技术公司已经在使用或计划使用 Agent，与 89% 的技术公司几乎不相上下。
那么，企业究竟是如何使用这些 AI Agent 的呢？
- 接近 60% 的公司将它们用于研究和总结任务。
- 大约 54% 的公司将它们作为个人生产力助手。
- 还有 46% 的公司让它们处理客户服务工作。
但企业并不是盲目地冒险，它们在使用 AI Agent 时非常谨慎：
- 大多数公司都对 AI Agent 进行了严格的权限控制，通常是只读权限。
- 大型公司（员工超过2000人）对此尤其小心——51% 的技术公司使用了多重安全措施，而其他行业则为 39%。
- 而最多人最关心的是 AI Agent 的实际表现，毕竟这是比成本或安全风险更为重要的担忧，关注度是其两倍多。
很明显，AI Agent 不再只是实验性的玩具。企业正在认真对待其实施，但它们在使用时非常谨慎，尤其是当涉及敏感数据时。
关注点已经从**「AI Agent能做什么？」转向了「我们如何确保它们在我们的业务中有效且安全地运作？」**。
穆迪公司如何在金融服务中使用 AI Agent？
穆迪公司（Moody’s），美国三大信用评级机构之一。
穆迪公司在金融服务领域率先部署 AI Agent，已经从基础的聊天机器人发展到创建复杂的自主系统。该公司开发了一个从辅助智能（基础聊天机器人）到自主智能（自学习的 Agent 网络）的四阶段生成式 AI 成熟度模型。
穆迪公司的服务依托三个关键框架：
- Autogen 用于生成全面的信用报告（AutoGen 是一个微软开源的框架，专为构建和优化大型语言模型工作流程而设计）
- CrewAI 用于分析师与AI的协作（CrewAI是一个低代码平台，用于开发AI Agent）
- LangGraph 用于可视化复杂的金融关系（LangGraph 是由 LangChain 团队开发的库，旨在帮助开发者创建基于图的单代理或多代理 AI 应用）
穆迪公司在自己的 EDF-X 平台中推出的最新产品 ReconAI 中，就依托多个 AI Agent 实现了以下功能：
- 监控各类规模公司的实时预警信号
- 跟踪全球新闻、争议事件及监管文件
- 分析这些因素对特定公司的影响
为确保准确性，穆迪公司还采用了三重验证系统：
- 使用 LLM Judges 进行 RAG 评估
- 搜索引擎性能指标
- 通过多 Agent 投票系统对比
GPT-4、Claude 2、Llama 3、Gemini以及穆迪自有模型的结果
这使穆迪公司成为首家推出可投入生产的 Agent 平台的金融机构。
如何抓住 AI Agent 的风口？
以下原作者是基于阅读德勤、穆迪、世界经济论坛和 LangChain 报告后识别出的市场空白，提供的一些 AI Agent 领域创业创意：
- 内容营销的 AI Agent
| 问题 | 营销团队需要不断将客户推荐内容转化为不同形式，例如社交证明、案例分析和销售演示文稿。 |
|---|---|
| 解决方案 | 一个能够自动将客户推荐内容转换为多种格式的AI Agent，从而简化内容创建流程。 |
| 收入模式 | 每月收费300美元。 |
| 目标客户 | 中小型公司的营销团队。 |
- 重复工作流监控的 AI Agent
| 问题 | 企业经常在多个工具（如Notion、Linear和Asana）中运行相同的流程，导致效率低下。 |
|---|---|
| 解决方案 | 一个可以识别并提醒团队不同工具中重复工作流的AI Agent，同时建议进行流程整合。 |
| 收入模式 | 每月收费2000美元，用于流程整合服务。 |
| 目标客户 | 使用多种工具的中大型企业。 |
- 竞争对手 API 和成本监控的 AI Agent
| 问题 | 产品团队经常错过竞争对手 API 的变动和价格上涨，导致响应延迟或成本增加。 |
|---|---|
| 解决方案 | 一个可以实时监控竞争对手API变动和价格更新的AI Agent，主动向产品团队发出提醒。 |
| 收入模式 | 每家公司每月收费2000美元。 |
| 目标客户 | 科技初创企业和中型SaaS公司。 |
原文作者：The Opportunity Scanner
原文标题：AI Agents in 2025 - Are they worth the hype?
原文链接：opportunityscanner.beehiiv.com/p/ai-agents…
翻译：Gitee AI
