Jim Coleman, 联想的SSG AI解决方案总监 Jim Coleman 联想的SSG AI解决方案总监

代理正在优化 AI 工作流，但人类元素仍然是 ROI 的关键

AI 的格局已经发生了根本性的转变。组织一直难以从 AI 中提取最大价值，但现在他们正在采取更积极的方法，并开始使用代理。以前，交互的主导模式主要是反应性的，基于云计算，依赖于用户来激活模型。然而，随着机器变得更加智能，代理模型已经出现，智能系统可以在需要较少的人类交互的情况下主动执行复杂任务。然而，虽然代理 AI 是传统的、狭隘的 AI 系统的偏离，但优化机会是关于增强工人——而不是取代他们。代理已经被设计为理解多步骤目标；计划和排序操作；并与多个资源交互以实现目标的自治。例如，一个可以学习您的偏好、财务约束和优先级的 AI 代理，可以利用这些信息独立地进行谈判。这种情景现在正在展开，因为这种不断发展的能力正在改变我们对企业和消费者 AI 的思考方式。然而，要真正实用、安全和有用，代理的底层工作流必须由实时智能信息来告知。这类见解需要混合 AI 架构——一个战略性地在设备、边缘和云之间分配工作负载的生态系统，并由知识工作者团队来管理。为什么混合 AI 是必需的代理 AI 在上下文中蓬勃发展，这通常涉及敏感的个人或组织数据，这意味着云计算引入了合理的隐私风险。然而，混合 AI 将数据处理和决策保留在本地可信设备或安全环境中。 AI 在数据所在的地方工作，减少了暴露并符合数据主权法规。另一个重要要求是个人化，这与数据隐私问题密切相关。在前面的购买代理示例中，用户偏好和约束至关重要。它们还经常涉及个人可识别信息（PII），必须保持私密，因此将此背景存储和利用在本地可以保护用户隐私。代理 AI 的成功还需要立即决策，这意味着没有时间让数据跨网络传输。谈判交易、响应实时传感器数据和管理动态工作流都需要立即性。延迟或更糟糕的中断可能会产生重大影响。混合 AI 支持低延迟的设备计算，保持体验的顺畅和实时性。混合...