AI 已能回答问题，下一项挑战是帮助人们继续向前

我们已经非常擅长构建能够回答问题的 AI。无论是询问申请何时截止、需要哪些文件，还是了解某个流程如何运作，AI 都能在几秒钟内给出有用的答复。但当事关一个人的教育、财务前景或归属感时，答案仅仅是个开始。真正重要的是，这个人能否切实地继续向前。

智能体 AI 的潜力正是在这里显现出来。AI 智能体不会把每次互动都当作彼此孤立的问题，而是能够识别一个人在更长的历程中所处的位置，判断接下来需要做什么，并帮助他们实现目标。然而，要可靠地做到这一点，光靠能力出众的语言模型还不够。还需要专门设计的服务流程、互联互通的系统，以及从一开始就融入流程中的人工监督。

以高等教育为例。学生申请入学、办理助学金手续、注册课程、与导师会面、寻求学业支持、寻找实习机会、为毕业做准备、求职，最终成为校友。高校将这些环节分散到不同的部门和技术系统中，但在学生眼中，这些都属于同一所大学。他们不应该为了获得所需帮助，还得先弄懂学校的组织架构。

人们不想再多一个界面，只想把事情办成。

在一项针对1,058名目前仍在校就读的美国大学生开展的近期调查中，76%表示，他们希望大多数学生服务需求都能在线解决，而不必打电话或前往办公室。然而，四分之一的受访者表示，他们所在的学校未能达到这一预期。问及现代数字体验中最重要的因素时，64%选择了快速响应并解决问题，54%选择了全天候服务，50%则希望能在一个地方办完各项事务。学生希望更快得到答复、减少转接，并能在无需辗转多个系统的情况下办妥事情。

一名意向学生开始填写大学申请，却始终没有完成。传统聊天机器人或许能回答有关申请要求的问题，但学生仍得自己弄清楚缺少哪些材料，以及该如何继续办理。智能体系统则能识别申请卡在哪个环节、找出下一步该做什么，并帮助学生从中断处继续办理。如果学生表示自己已经上传成绩单，系统就可以核查申请记录，确认文件确实已上传，然后跳过这一要求，而不是让学生重复提交。

这也是一些重大技术挑战依然存在的领域。Microsoft Research指出，可靠性、上下文保持能力，以及在现实工作流程中执行任务，都是生产力智能体面临的挑战。如果智能体无法在各个步骤之间保留上下文，或无法跨相关系统开展工作，就无法可靠地引导用户完成流程。

从被动应答到主动提供帮助

机遇不止于回答问题，还包括识别何时有人需要支持，并帮助机构判断下一步该怎么做。例如，校友发展团队可能会发现一些信号，表明某位校友已准备好重新建立联系、参与志愿服务或首次捐赠。但识别信号只是开始。真正的价值在于了解此时以何种方式联系这个人最合适，以及接下来应该采取什么行动。

专门设计的服务流程可以纳入针对不同受众和目标的成熟做法，为团队提供更坚实的起点，而不是依赖通用工具或从头搭建的工作流程。其益处也不止于节省员工时间。机构早已拥有海量数据，真正需要的是帮助解读这些信号，并据此开展周到、及时的互动。

需求显而易见。在同一项学生调查中，一半的学生表示，他们曾因流程过于复杂而放弃联系所在学校。另有40%的人被要求重复提供已经提交过的信息，34%的人在问题尚未解决时就被转接，31%的人则找不到所需内容，最终放弃了。

最有用的 AI 体验，能够帮助机构在这些摩擦点成为人们疏远机构的原因之前，就及时发现它们。

有了上下文，答案才能转化为切实可行的行动

我们都经历过一遍又一遍向同一个机构重复提供相同信息的烦恼。试想一下，如果你正忙着注册课程、解决助学金问题，或重新联系母校，还得一再重复这些信息，会是什么感受。每一次彼此割裂的互动，都会让人觉得这家机构越来越不了解自己。

围绕个人而非各自独立的部门整合信息，能够改变这种体验。学生、校友和捐赠者可以获得更连贯、更个性化的互动，员工也能掌握更多背景信息，从而更有效地回应需求。当机构让互动变得更轻松、更贴近个人时，就为建立更牢固的关系和持久的忠诚创造了条件。

学生已经在表明，他们希望数字化体验能够以这种方式运作。同一项针对学生的研究发现，56%的学生希望各个系统能够彼此连通，不必跳转页面，也不必反复输入相同的信息。一半的学生希望数字工具能够主动提醒他们注意截止日期、要求或问题，避免这些情况演变成麻烦。

要实现这样的体验，仅仅让各个工具变得更智能还不够。还需要打通信息和工作流程，让机构了解每个人所处的历程阶段，并据此作出回应。

优秀的 AI 懂得何时行动、何时保护、何时退让

智能体 AI 的目标不应是实现最大程度的自主，而应是在辅助、行动与人类判断之间取得恰当平衡，并从一开始就将人工审批纳入工作流程。

随着 AI 越来越能够采取行动，决定哪些事情可以由它自主处理，与拓展它的能力同样重要。识别未填写完整的表格或提供相关信息等日常任务，可能很适合交由自动化处理。但如果 AI 系统准备联系学生，或建议采取可能影响学生体验的行动，就应让工作人员有机会先行审批，再将任何内容发送给学生。

人工监督不应仅限于升级处理特殊案例，或在决策已经作出后再进行审查。在影响重大的互动中，审批应在行动之前，而不是之后。AI 可以识别信号、建议后续步骤并准备沟通内容，同时由工作人员掌控接下来发生什么。

这种做法也为技术无法取代的判断力与同理心留出了空间。面临特殊经济状况或学业困难的学生，可能需要的不只是自动生成的建议。技术应帮助工作人员识别这些时刻，并提供所需背景信息，助其妥善回应，而不是将工作人员排除在处理流程之外。

负责任地实施这类技术，也意味着保护这些体验所依赖的敏感信息。打通系统并让 AI 能够采取行动，会带来有关数据访问、权限、安全和问责的重要问题。在协助处理申请或经济援助流程时，智能体应只能接触与该次互动相适应的信息，并且只能执行相应的操作，同时明确界定其能力范围。

Microsoft Research 关于人在回路中的智能体的研究，进一步彰显了在自主程度不断提高的系统中，融入人工监督与控制的重要性，其中包括让人们能够参与智能体工作并引导其调整方向的机制。负责任的 AI 能够建立起交付更佳体验所需的信任，从而让这些体验成为可能。

新一代 AI，重在实现成果

机构还需要作出另一项转变：改变衡量 AI 是否真正发挥作用的方式。

如今，AI 的表现通常通过活动指标来评估，例如处理的对话数、回答的问题数、响应时间，或从工作人员处分流的咨询量。这些指标可以说明系统是否得到使用或是否减轻了工作负担，但未必能说明它是否帮助人们完成了他们原本想做的事。

对于申请到一半便停下来的学生来说，成功意味着完成申请，而不只是从 AI 助手那里得到答案。对于有意重新建立联系的校友来说，成功意味着在这段关系中迈出下一步。

这些数字化体验的影响远不止于便利。同一项针对学生的研究发现，38%的学生曾因数字工具难以操作而推迟重要的入学、经济援助或学业事务。四分之一的学生表示，这些困难让他们开始怀疑，继续注册就读是否值得承受这些麻烦。如果技术造成如此大的阻碍，仅衡量人们对技术本身的参与情况，就偏离了重点。机构应当关注人们是否完成了原本打算完成的任务、在哪些环节遇到阻碍，以及体验是否随着时间推移而有所改善。

新一代 AI 的价值，将由人们借助它所能实现的成果来定义，这是一个令人振奋的转变。无论人们是在求学、管理自己的医疗保健，还是与自己关心的组织互动，我们都有机会让复杂的体验真正具有支持性。要实现这一目标，就需要围绕真实的人设计历程、打通信息、建立有意义的人工监督机制，并致力于衡量实际成果，而非活动量。

目标不是为了自动化而追求更多自动化，而是帮助人们以更少的阻碍、更大的信心继续向前，并让他们更强烈地感受到，另一端的组织确实理解自己。