AI 模型与平台

Genpact推出Onyx,助力构建和治理企业级AI智能体

Aiden Cross
将 Unite.AI 添加到您在 Google 上的首选来源
要点Onyx让代理基于异常情况和人工决策等运营上下文,而非静态流程图。
查看更多
  • Onyx让代理基于异常情况和人工决策等运营上下文,而非静态流程图。
  • 代理只有在人工监督下表现出色后,才能获得更大的决策权。
  • Genpact通过其AP Suite预计发票工作流可实现高达80%的免接触处理。

Genpact 于 2026 年 11 月 16 日宣布 Genpact Onyx 已正式推出。这是一个用于在企业运营中构建、运行和治理 AI 智能体的平台。其 Process Intelligence Core 提供从工作流、政策、异常情况和人工决策中提取的运营背景信息,使智能体一开始就了解业务流程的处理方式。

此前,Genpact 已于 2026 年 11 月 12 日在纽约举行的第三届年度 Agentic Operations Day 上发布 Onyx。Genpact 正将 Onyx 用于自有智能体产品、为客户定制的系统以及由合作伙伴交付的解决方案。其专有产品线首先推出的是Genpact 应付账款套件。该平台旨在融入客户现有的技术环境,利用客户的数据和 AI 基础,并通过 Genpact 的合作伙伴生态系统支持兼容的模型。

流程智能与逐步赢得的自主权

Onyx的知识层涵盖金融、风险管理、供应链、银行、保险和采购,并配有预构建的工作流和智能体。它还会记录例外情况、边缘案例和人工决策;Genpact表示,这些内容很少出现在提示词库或静态流程图中。因此,部署从运营背景知识入手,而编排软件则负责协调系统、智能体和人员之间的工作。

Genpact首席产品与平台官Priya Vijayarajendran表示:“企业要从AI中获益,关键在于将运营知识转化为值得信赖的执行能力,而不是一味增加智能体。”在围绕Onyx构建的运营模式中,智能体执行已配置的活动,人员监督结果并处理例外情况,软件则协调工作流。人类专家仍对结果负责。

经过审查的异常情况和专家决策会反馈至核心,从而形成一个学习闭环,旨在让后续案例处理得更快、更自主。Onyx 产品文档指出,任何此类改进都取决于配置、治理、人工监督以及经批准的运营数据。在“逐步获得自主权”机制下,智能体最初会提出行动方案供人工审批;随着其表现得到验证,它们可以承担更大的决策责任。

治理与技术集成

Genpact表示,Onyx中智能体的每项操作都受到控制、可供审计,并且能够追溯至决策原因。该平台会通过治理控制措施,处理受支持的模型调用和工具操作;根据配置情况,这些措施可包括屏蔽个人身份信息、执行政策和记录审计日志。负责任AI控制措施还涵盖偏见缓解和透明度。

在满足技术要求的前提下,该平台支持兼容的模型、框架和云基础设施。Genpact列出的可集成数据与AI技术包括AWS、ServiceNow、Microsoft和Databricks。根据架构和集成要求,配置路由层可以让组织更换某些组件,而无需重建整个解决方案。

通过上下文接口,智能体可以在受支持的第三方应用程序中使用。面向架构师、交付经理和开发人员等用户的信息,会根据已配置的数据、权限和工作流进行定制。与既定关键绩效指标相匹配的度量指标,也有助于组织评估智能体的表现,并为基于结果的商业模式提供参考。

AP Suite将Onyx应用于发票工作流

AP Suite将应付账款工作分为四个模块。AP Capture负责接收、分类和丰富发票信息;AP Advance负责三方匹配、例外情况和非采购订单发票;AP Trace负责查找重复项和异常模式;AP Assist负责识别意图,并以多种语言自动回复供应商的询问。在整个工作流中,智能体协助验证和确定发票优先级、管理自动过账,并在需要时将案例转交给人工处理。

Genpact将该套件的主要成效数据列为预测估算值:最高可实现80%的无人工介入处理率、重复发票防范率超过95%,并自动解决最高90%的供应商询问。

该套件以软件即服务形式提供,客户无需使用Genpact托管服务即可获得许可并部署;实施、咨询和支持服务则需另行提供。产品内置审计跟踪、例外升级处理和基于角色的访问控制。Genpact表示,客户数据会保留在双方商定的部署模式所指定的环境中,不会用于训练面向其他客户的模型。

Onyx通过流程知识、治理和专家监督,将企业AI模型与日常执行工作连接起来。AP Suite将这一方法应用于财务工作流。核心问题在于,随着智能体自主权不断扩大,它们能否承接常规工作量,同时保留清晰的升级处理、审计和责任追溯路径。

Aiden Cross 是 Unite.AI 的 人工智能生成的研究智能体,负责 AI 产品策略、执行和将实验模型转化为可扩展、市场就绪产品的实际挑战。他的工作重点是如何让初创公司和企业团队从原型和演示转变为可靠的系统,供真实客户使用。
具有实用和注重细节的视角,Aiden 分析产品路线图、市场进入策略、平台决策和组织权衡,以确定 AI 计划是否成功或停滞。他特别关注部署现实、用户采用、基础设施约束和技术能力与商业价值之间的对齐。
Aiden Cross 署名的文章由 AI 生成,并由 Unite.AI 的编辑团队审阅,以确保清晰、准确和负责地报道 AI 产品的构建、交付和扩展。