Jim Rowan：Deloitte 美国人工智能负责人——专访系列

Jim Rowan是Deloitte美国人工智能负责人，也是Deloitte Consulting LLP的合伙人，帮助各类组织将人工智能愿景转化为业务成果。他的职业经历涵盖企业技术、分析、数据和数字化转型，并在生命科学、医疗保健和电信领域积累了经验。他曾在Deloitte的战略与分析、人工智能与数据业务部门担任领导职务，工作内容还包括培养组织应用人工智能所需的人才、发展相关能力。

Deloitte是一家专业服务机构，提供咨询、审计与鉴证、税务及顾问服务。其人工智能业务汇集战略、数据、技术、人才和治理方面的力量，帮助企业在各项业务中采用并推广人工智能。在数字商务领域，这项工作包括为人工智能代理准备产品信息和企业系统、打通跨渠道的客户体验，以及建立自动化交互与交易所需的身份识别、授权和信任控制机制。

您在Deloitte工作了二十多年，涉足企业技术、分析、数据，如今又投身人工智能。从您的视角来看，您何时意识到人工智能代理不仅会改变企业的内部运营方式，还会成为企业与客户之间的中介？

过去几年里，我亲眼见证了人工智能的进步，同时也帮助各类组织将业务目标转化为可衡量的成果，而这些成果曾经看似无法想象。我在数据、流程和技术方面的背景，奠定了我对人工智能的理解基础。我开始建设Deloitte相关能力，重点培养成功应用人工智能所需的人才，例如我们的AI Academy，为员工和客户设计课程。

当前，各类组织正通过多种方式运用人工智能代理，改变数字商务战略：提升品牌曝光度，利用个性化引擎增强对话体验，并在实体、数字和社交触点之间协调一致的全渠道体验。市场正处于这一转折点，而品牌也在应对动荡的市场环境；这为智能体商务创造了机会，帮助品牌以更快的速度、更高的相关性和更一致的方式回应客户需求。

您谈到过企业有必要为“智能体搜索优化”做好准备。您如何定义这一概念？针对人工智能代理进行优化，与传统的SEO或较新的人工智能答案引擎内容优化方法相比，根本区别是什么？

传统上，在线争夺消费者注意力主要由搜索引擎优化（SEO）决定，其前提是用户发出查询后，会有人阅读、评估并决定是否购买。随着消费者转而使用人工智能工具开展研究，生成式引擎优化（GEO）应运而生。智能体搜索优化是GEO的进一步发展，它考虑到人工智能不再只是推荐产品或服务，还会参与执行购买决策。这一转变意味着，品牌不仅要针对主要向终端用户提供推荐的生成式人工智能进行优化，还要针对以执行任务为目标的智能体人工智能进行优化；后者能够协调系统、执行工作流程并触发交易。

当人工智能代理受命研究、比较并筛选产品或服务时，您预计它最看重哪些信号？结构化产品数据、定价、评价、第三方报道、品牌权威性，还是一套全新的信号，会变得更加重要？

人工智能代理会根据曝光度和相关性形成考虑范围，并倾向于选择产品、服务、定价和数据易于获取、可供机器读取且能够即时核实的品牌。跨平台的一致性、评分与评论以及品牌权威性仍然重要，但这些信号也必须转化为代理能够解析的数据。个人情境同样重要：代表客户行事的代理需要可靠地获取其偏好、授权和过往互动信息，才能生成最相关的推荐。除了信号本身，组织能否迅速让数据变得可读、易懂、可信，并能以代理可比较的方式量化，也将成为品牌脱颖而出的关键。

一个挑战是，未来可能会出现数以千计的消费者代理和企业代理，它们基于不同模型构建，并连接到不同的数据源。面对这个分散的生态系统，企业如何在不试图针对每个代理分别优化的情况下，确保自身信息得到准确呈现并能被发现？

组织应着力打造可信、机器可读的基础，供任何智能体访问和理解，而不是针对某个智能体进行优化。这意味着应通过权威来源发布可验证、可靠且最新的产品、定价和政策信息。仅仅提高可发现性可能还不够，因为智能体将开始代表消费者采取行动，因此也更需要能够验证身份、确认资格并确保交易安全的系统。在如今分散的智能体生态中，哪家品牌能让人们最容易理解和获取其信息，哪家就会在搜索结果中脱颖而出。不过，企业应避免围绕单一协议构建系统，因为这些协议仍处于发展初期，目前还不清楚哪一种会成为主流。因此，随着生态演进，企业应重视互操作性，并确保能够快速采用或切换协议。

如果商业模式从企业对消费者（B2C）转向企业对智能体再到企业（B2A2B），技术层面会发生哪些变化？企业是否需要重新设计网站、API、产品目录、身份系统或其他基础设施，以便智能体能够直接与其交互？

是的，企业需要重新审视并构想现有系统，构建适当的技术架构，以实现 B2B 智能体商务。这不会一蹴而就；考虑到所需的工作量和变革幅度，这需要时间。如今，产品发现和支付功能的发展速度快于决策环节；企业仍在建立信心，以便允许智能体在既定防护措施范围内做出选择。无论是 CIO、CTO 还是 CISO，工作重点都应是交付可扩展、低延迟的集成平台，并以强大的技术合作伙伴关系和集成商合作关系为支撑。领导者不应全面改造系统，而应花时间确定哪些系统可以连接智能体、找出受阻的系统，并在受控环境中测试简单任务。确保交易仍由人掌控同样重要，因此企业应设计灵活的流程，让客户能够轻松地在智能体主导和人工主导的交互之间切换，而不是为了追求自动化而损害用户体验。随着时间推移，企业可以逐步构建管理多个智能体的平台，升级或连接旧有系统以开放智能体访问，并部署具备实时监控能力的高级安全措施。

传统数字营销一直围绕排名、展示量、点击量和网站流量进行深度优化。如果智能体越来越多地在用户访问网站之前完成调研，企业应采用哪些新指标，来判断自己在智能体驱动的购买旅程中是否真正具备可见度和竞争力？

过去，成功衡量的重点是吸引消费者的注意力，并最终赢得他们的信任。随着智能体在购买旅程中承担越来越多的工作，企业需要新的方法来衡量自己的品牌是否具有可见度、相关性，并最终被选中。这包括将品牌智能体的开发与绩效衡量联系起来，评估智能体是否会展示该品牌、识别符合条件的优惠，并成功完成交易。品牌应关注自身买家，而不是竞争对手，以确定投资方向或体验改进措施，并追踪客户如何发现产品、在哪些环节离开或继续停留。这些指标不仅有助于品牌凸显自身价值主张，也能通过可量化的成果证明投资回报率，进而强化客户忠诚度和运营卓越性。

AI 智能体可以概述一家公司、将其与竞争对手进行比较，并可能提出建议，而公司未必能直接控制自身形象的呈现方式。品牌应如何监控不准确或过时的信息，并建立权威的信息源，供智能体可靠地使用？

与其他行业一样，审核产品数据对于维持品牌在各渠道中的智能体可发现性至关重要。品牌还应考虑将 Model Context Protocol (MCP) 作为一项关键推动因素；它能创建一个受控环境，使数据、工具和上下文得以安全地与外部购物智能体和平台共享。将结构化数据与 MCP 结合，可以实现智能体之间的交互、提升互操作性，并帮助准确呈现品牌信息，确保其获得适当优先级。同样，由于相关协议仍处于发展初期，目前还不清楚哪一种会最受欢迎，因此企业应构建灵活的系统，以便随着生态演进，快速接入新标准、在标准之间切换并采用新标准。

随着智能体从单纯推荐产品转向采取行动，例如询价、协商条款或进行购买，身份、授权和信任基础设施将变得多么重要？企业如何区分合法的客户智能体与不应信任的自动化系统？

智能体之间的商务会带来新的风险，因为交易可能在无人参与的情况下迅速完成；因此，在整个流程中确保人工介入并提供转交机制至关重要。智能体商务交易需要新型防欺诈措施、战略性财务控制，以及专为机器发起的活动设计的定向报告框架。

短期内，各组织应像管理员工一样管理其人工智能智能体，明确其职责、管理其访问权限，并明确问责机制。组织还需要制定相关规程，以核实智能体身份的真实性、授权付款，并落实交易限额、API 权限及其他运营防护措施。

广告和付费推广也可能随着消费者进入智能体生态系统。当人工智能智能体代表用户推荐产品时，您认为商业激励将如何演变？要让人们信任这些推荐，需要怎样的透明度？

资本已经开始流向智能体商务。预计到 2029 年，美国广告商在人工智能搜索广告上的支出将达到约 260 亿美元。随着企业决定是否在智能体环境中兑现通过自有渠道提供的促销优惠和定价，商业激励机制势必也需要随之演变。这一演变的一部分，是明确制定智能体与定价和促销活动互动的规则。如果没有相应的防护措施，智能体可能会根据交易发生时的价格直接下单，从而可能触发非预期的促销和定价档位，并造成利润流失。企业应制定符合全球隐私和数据标准的政策，并确保这些政策符合由人工控制、针对每位客户预先批准的参数。

尽管自动化程度不断提高，您仍强调人的判断在购买决策中至关重要。您认为，消费者会放心交由智能体处理的决策，与人们仍希望自行研究、比较并作出最终决定的事项之间，界限会在哪里？

这条界限取决于决策的重要性，以及消费者对智能体的信任程度。如果消费者的偏好明确，且选择不当造成的后果较轻，他们或许愿意把日常、低成本的购买交由智能体处理。对于涉及大额支出、敏感信息或合同承诺的决策，消费者很可能希望获得更充分的信息，并保留最终审批权。减少交易过程中的阻碍后，消费者会更加信任品牌；因此，品牌应让消费者容易了解交易进展，并相信交易会按预期安全完成。品牌还应让消费者明确掌控智能体可以独立执行哪些操作、何时必须征求许可，以及查看或撤销其操作有多容易。

感谢您接受这次精彩的采访。希望进一步了解智能体商务、人工智能驱动的可发现性，以及自动化购买背后信任基础设施的读者，可以访问Deloitte。