Executive Summary
区别于传统AI和生成式AI，Agentic AI 的特点是能够自主感知、推理、行动和学习，从而将效率、适应性和创新提升到新的水平。本文主要探讨Agentic AI的演变、其核心功能、商业应用、市场趋势和现实世界中的创新，同时对其变革潜力进行了未来展望。
Understanding AI Agents
AI已从基于规则的自动化稳步发展到能够在复杂多变的环境中做出决策的复杂机器学习系统。Agentic AI 或AI Agents是指能够独立感知、推理、行动和学习，主动追求目标并具有实时适应能力的自主系统。这些系统可增强决策能力，实现高效协作，并可根据反射能力、目标导向能力、效用能力、学习能力和分层能力进行分类。
Key Characteristics of Agentic AI Systems:
1.Autonomous Operation:展示独立决策能力，在无人监督的情况下执行复杂任务
2.Goal-Driven Performance:利用先进的机器学习技术，包括强化学习和进化算法，实现指定目标
3.Dynamic Adaptation:针对环境变化和前所未有的情况，表现出复杂的行为变化
4.Strategic Decision Framework:执行综合分析协议，进行情景评估、战略规划和行动优化，以实现既定目标
5.Self-Governed Functionality:通过积极的环境参与，在物理和虚拟领域保持自主运行
6.Advanced Problem Resolution:运用先进的分析方法应对复杂的挑战，并提出创新的解决方案
7.Multi-Domain Application:展示了在工业自动化、科学研究和客户体验优化等不同领域的多功能性
8.Performance Enhancement Protocol:持续监控运营指标，实施系统性改进，以实现最佳效率
9.Environmental Intelligence:保持对行动环境的深入了解，确保适当、有效地执行决策
10.Collaborative Intelligence:促进multi-agent systems的协调工作，以实现复杂的业务目标，如应急响应和物流优化
Classifications of Agentic AI
Simple Reflex Agents: 使用预定义规则对输入做出反应。
Model-Based Reflex Agents: 利用内部环境模型做出决策
Goal-Based Agents: 评估为实现特定目标而采取的行动。
Utility-Based Agents: 优化决策，使预期结果最大化。
Learning Agents: 通过环境反馈提高性能
Hierarchical Agents: 在多个层级之间高效地分配任务。
Multi-Agent Systems: 协作或竞争解决复杂问题。
The Evolution of Agentic AI: Transitioning from Rule-Based Systems to Autonomous Intelligence
Agentic AI的发展表明，它正从简单的基于规则的系统向复杂的、能够独立决策和解决问题的autonomous agents转变。
How does it work?
Agentic AI利用data-driven agents和大模型（LLMs）来自主执行任务、与外部工具集成、通过防护栏确保精确性，并不断改进决策和运营效率。
Data Flywheel: The Catalyst for Scalability in Agentic AI
在AI领域，数据飞轮描述了一个循环反馈回路，在这个回路中，持续使用会产生新的数据，从而不断完善模型和算法，提高其有效性。这种迭代过程提高了Agentic AI systems的可扩展性和效率。
Agentic AI and Gen AI: Complementary but distinct paradigmsAgentic AI通过在复杂多变的环境中进行自主、实时决策和持续适应，超越了传统AI和GenAI。它在检索增强生成（RAG）等领域与GenAI重叠，利用灵活性、适应性以及与交互模型的无缝集成来提高性能。虽然这两种范式各不相同，但它们能有效互补。Agentic AI在自主执行和适应性方面表现出色，能以最少的干预处理复杂的任务，而生成式人工智能则在创造性和内容生成方面表现突出。它们之间的交集，尤其是在 RAG 和交互系统中的交集，凸显了它们在混合应用方面的潜力，这种混合应用将创造性与自主性融为一体，为更动态、更智能的AI解决方案铺平了道路。- Autonomous Decision-Making: 允许系统根据当前的数据输入独立实现目标
- Continuous Adaptation: 根据环境的持续反馈，动态调整行动和行为
- Advanced Applications: 应用于机器人、自动驾驶汽车和虚拟仿真等领域
- Handling Complex Scenarios: 通过灵活的算法和可扩展的系统，在不断变化的条件下有效运行
- Seamless Integration: 轻松连接需要即时决策和互动响应的平台
- Content Generation:利用对大型数据集的深入了解，创造独特的产出
- Advanced Applications: ：为内容创建、语言处理和创意自动化方面的创新提供动力
- Scalability and Complexity Management: 高效处理不断增加的数据量和复杂模型
- Integration and Adaptation: 根据训练有素的数据定制输出，同时顺利集成到流程中
- Limited Real-Time Flexibility: 主要提供固定输出，实时互动或适应能力极低
AI Agents: A Snapshot of VC Activity2024 年风险投资交易额和交易量的急剧上升彰显了投资者对Agentic AI爆发潜力日益增长的信心。2024: A Record-Breaking Year for Agentic AI Investments69 笔交易共募集资金 18 亿美元，表明投资者信心大增。2019–2022: The Early Days of VC Interest in AI- SentinelOne 在 2019 年获得了 1.2 亿美元的 D 轮融资，反映了人们对AI驱动的安全应用的早期兴趣。
2023: Moderate Growth in Funding Activity在 25 笔交易中筹集了 2.59 亿美元，标志着投资稳步增长2024: Dominance of Larger Funding Rounds
投资人将重点转移到重要的融资轮次上，这表明他们对AI的可扩展性和创新性充满信心Noteworthy deals included:- Abnormal Security获得 2.5 亿美元 D 轮融资
- Emergence AI获得 9,720 万美元融资，彰显了advanced AI solutions的扩展潜力
- Codium 的 4000 万美元 A 轮融资，强调了人们对各种AI应用日益增长的兴趣
Strategic Business ImpactAgentic AI 利用智能自动化提高效率、简化客户互动、确保法规合规性，并通过灵活的AI解决方案满足专业化运营需求，从而彻底改变业务运营。Key Use Cases of Agentic AI Across Business FunctionsAutomation & Optimization
通过自适应决策简化任务、流程和工作流，高效处理复杂情况。- Use Cases: 工作流程自动化、流程协调、运行优化
Customer & Sales Management通过预测分析和个性化参与，实现销售和客户互动自动化，提高生产率和满意度。- Use Cases: CRM自动化、销售自动化、企业通信
Financial & Business Processes利用AI驱动的洞察力减少错误、确保合规性并自动执行重复性财务任务- Use Cases: 财务流程自动化、业务流程自动化、自动索赔
Software Development & Testing实现代码生成、测试和管理自动化，加快创新速度并提高可靠性
- Use Cases: 软件开发、代码生成、代码测试
- Use Cases: 人力资源自动化、法律自动化、品牌保护
为自主导航、网络安全和数据分析等利基应用提供量身定制的AI解决方案。
- Use Cases: 网络安全、数据分析、自主网络导航
Revolutionizing Industries with Agentic AI: A New Era of Efficiency and InnovationAI Agents: Disruptors & InnovationsAutomation & Optimization: InnovationsAgentic AI 可简化复杂的工作流程，增强数据驱动型决策的能力，并为能源、企业运营和个人生产力等行业提供以目标为导向的任务管理。H develops compact agentic AI for RPA and QA applicationsRunner H 建立在一个紧凑的 20 亿参数 LLM 上，可优化 RPA、QA 和 BPO，其处理速度比 GPT-4 等大型模型更快，成本效益更高。它通过简化工作流程和改善运营，实现了电商、银行业和保险业的自动化，在基准测试中表现优于大型模型。这家初创公司获得了 Accel 和 UiPath 等投资者 2.3 亿美元的资金支持，其目标是通过货币化 API 和向影响力大的行业扩张来扩大采用范围。UiPath initiates enterprise transformation with agentic automationUiPath 的agentic automation将AI agents与传统的 RPA 相结合，以简化金融、医疗保健和物流领域的工作流程。Agent Builder和Autopilot等功能实现了定制、第三方集成和AI驱动的自动化，从而提高了可访问性。通过解决 RPA 的局限性，UiPath 提高了灵活性和效率，在 2024 年底推出之前巩固了其在自动化领域的领先地位。Axonal.AI introduces agentic AI for pharma speed to marketAxonal.AI的Agentic AI协同工作空间彻底改变了市场情报、合规性和患者参与，实现了更快、更明智的决策。通过利用实时数据、预测分析和自动化合规工作流程，它可以降低成本、提高适应性并加快制药创新的上市时间。通过 MVP 计划，Axonal.AI 邀请公司体验其在重塑医药产品发布和行业流程方面的变革潜力。CrewAI introduces multi-agentic platformCrewAI 的Multi-Agent Platform用由高级 LLMs 提供支持的专业AI agents，自动执行营销、财务和会计领域的复杂工作流程。
- 它具有自我迭代、持久内存以及与 1,000 多种工具无缝集成等功能，可提供灵活、安全的自动化，克服了传统 RPA 的局限性
- CrewAI 拥有 1800 万美元的融资和不断扩大的 150 个测试版客户群，正将自己定位为AI驱动的企业自动化领域的领导者
Aera Technology launches agentic AI for enterprise decision intelligenceAera Technology 的 Aera Decision Cloud（Aera 决策云）利用Agentic AI, Workspaces, and Control Room实现工作流程自动化、处理非结构化数据和 "假设 "情景建模。它通过提供可操作的洞察力和先进的情景规划来提高效率和战略智能，从而增强供应链、物流和金融领域的决策能力。Customer & Sales Management InnovationsOrigami agents introduces AI-powered research agentsOrigami Agents 利用AI，通过分析网络数据、公司统计数据和社交意图信号，简化销售线索生成和业务研究。在 Y Combinator 的支持下，Origami Agents 跟踪招聘信息、竞争对手访问和高管互动，以发现销售机会和新兴市场趋势。通过对公司行为和技术应用的实时洞察，Origami Agents 帮助企业提高客户获取能力，在竞争激烈的市场中保持领先地位。Cognigy’s agentic AI for enterprise contact centersCognigy 的平台将autonomous AI agents与对话式AI相结合，以管理复杂的交互，提高速度、准确性和客户满意度。通过 LLMs、实时上下文和工具集成，它可提供超个性化和目标导向型客户支持。Cognigy 符合 GDPR 和 HIPAA 标准，具有无缝集成能力，在试点项目中的合格率高达 80%，在改变客户体验方面证明了其效率和可靠性。Artisan’s AI-driven sales automationArtisan 的AI员工 Ava 可自动执行销售任务，如潜在客户识别、数据充实和个性化推广，为有针对性的接触创建一个统一的生态系统。它利用来自CrunchBase 和 Cognism 等来源的数据，在电子邮件和 LinkedIn 等平台上扩大推广范围。在 HubSpot Ventures 和 Y Combinator 1150 万美元的支持下，Artisan 的目标是向营销和客户成功领域拓展，重新定义企业销售领域的AI。Financial & Business Processes Innovations
Sema4.Ai launches full stack AI agent platformSema4.ai 的平台使用autonomous agents来简化发票对账、监管合规和员工入职等任务。通过 Studio 和 Document Intelligence 等工具，它可以实现无代码部署和数据驱动决策。Sema4.ai获得了 3050 万美元的融资支持，为企业提供了更高的生产力和可扩展性，使其成为工作流程自动化和运营效率领域的重要一员。Interface.ai automates frontline banking servicesInterface.ai 的 Sphere for Employees 是一款agentic AI solution，旨在通过自动执行重复性任务、提供实时解答和个性化客户互动来增强一线银行员工的能力。该平台将核心银行系统集成到一个统一的界面，提高了工作流程的准确性和效率。通过交易处理和定制建议等高级功能，Sphere 提供了银行业特有的功能，使其有别于Microsoft Copilot 等通用解决方案，从而提高了金融业的工作效率和客户满意度。HR & Legal Management InnovationsWorkday streamlines workforce management with AI agentsWorkday 的新型AI agents可实现人力资源、财务和运营工作流程的自动化，从而提高决策水平和效率。通过与Salesforce 和 Microsoft 等工具集成，可以简化人才寻访、费用报告和整体优化等流程。Workday 报告称，招聘人员的能力提高了 25%，并计划在 2025 年初进行更广泛的部署。Luminance automates legal work with AI AgentsLuminance 的 Agent Lumi 利用公司专有的 LLM 进行合同编辑、截止日期跟踪和谈判标记，实现了法律工作流程的自动化。通过学习用户偏好，Lumi 简化了销售和财务流程，降低了法律审查成本，提高了效率和合规性。该解决方案获得了由 March Capital 领投的 4000 万美元 B 轮融资的支持。Software Development & Testing InnovationsIBM unveils open-source AI models with agentic capabilitiesIBM Granite 3.0 是 Watsonx平台的一部分，提供文本生成、分类和agentic workflow功能，并内置安全防护和多语言支持。通过对 12 万亿个令牌的训练，它可以实现复杂的工具驱动自动化，从而简化任务协调并增强整个企业的决策能力。通过提高透明度和效率，Granite 3.0 可促进客户参与和AI驱动的运营。Anthropic's click automation streamlines coding tasksAnthropic 的新 Claude 3.5 Sonnet 和 Haiku 模型简化了软件开发、物流和金融领域的编码、工具交互和数字任务自动化。关键的 " computer use "功能可实现多步骤工作流程自动化和应用程序导航，提高企业生产率，与 GPT-4 不相上下。这些模型可通过 API 和亚马逊 Bedrock 等平台提供。Functionize rolls out agentic platform to streamline testingFunctionize 的 Agentic Platform 6.0 可自主生成、执行和自我修复测试，从而简化测试流程并缩短上市时间。它具有性能测试、详细的仪表板和无缝 DevOps 集成等功能，可应对关键软件开发挑战--推进质量保证和测试周期的自动化。NVIDIA offers customizable AI workflowsNIM 的Agent Blueprints利用 RAG 驱动的工具，为客户服务、医疗保健和药物发现提供AI驱动的解决方案。它们基于英伟达™（NVIDIA®）NeMo和微服务架构，可提高运营效率和可扩展性。与埃森哲（Accenture）和SoftServe的合作加速了这些genAI应用程序在多个行业的应用。LangChain introduces agent IDELangGraph Studio 通过提供实时可视化、调试工具以及与LangChain 和 LangSmith 的无缝集成，简化了agentic application的创建过程。通过应对复杂的工作流程挑战，提高了动态任务自动化的生产率和可扩展性。它的自适应、多步骤代理行为使其成为希望提高AI驱动流程效率的行业的理想选择。AI Agents Success StoriesEmerging Concepts in AI AgentsBabyAGI 由Yohei Nakajima开发，是一个开源 Python 框架，旨在利用AI自主创建、优先排序和执行任务。通过集成多种工具（如用于语言处理的 OpenAI、用于数据存储的 Pinecone 和用于决策的 LangChain），该框架旨在以持续、自适应的方式简化复杂的工作流程。- BabyAGI ：从列表中提取任务，通过AI agents执行任务，并根据结果生成新任务，从而形成一个连续的循环
- OpenAI: 利用NLP来创建和完善与指定目标相一致的任务
- Pinecone: 存储任务结果并检索上下文，确保高效执行和调用
- LangChain:处理与任务优先级和执行相关的决策过程
3.Task Management & Prioritization
- Dynamic Prioritization: 分析实时输入（如 API、电子邮件），根据紧迫性和重要性调整任务顺序
- Context-Aware Execution: 利用内存和任务上下文高效执行任务，并由security agent监督关键操作
- Continuous Learning: 在每个执行周期后完善任务-结果对，不断提高准确性和性能
- Scalable Management: 动态生成和更新任务列表，确保无缝适应不断变化的优先级和工作负载
总之，BabyAGI 通过智能地循环执行任务并从每个步骤中学习，实现了工作流程管理的自动化。它的模块化设计使企业能够将其集成到从软件开发流水线到复杂运营流程的各种用例中，从而提高效率和适应性AutoGPT: Unlocking Autonomous Task Completion with GPT-4由 Toran Bruce Richards 创建的 AutoGPT 利用 GPT-4 作为开源AI平台。它通过将大模型（LLMs）与互联网功能和各种工具无缝融合，独立管理编程、逻辑分析和内容生成。- 将复杂的任务分解成较小的、易于管理的步骤，从而有效地解决问题
- 整合网络访问、内存和 I/O 操作，以保证连续性和执行力
Task Management & Prioritization
- Task Segmentation: 将任务划分为更小的、可操作的组件，以便高效执行
- Memory Use: 利用标记来存储和检索任务数据和优先级
- Attention: 动态更新优先事项，同时保持对目标的关注
- Decision-Making: 通过有效分配资源，执行具体任务计划
AI Agents Value Proposition
- Agentic AI通过自动化工作流程和减少人工操作来提高运营效率
- 通过实现实时决策和促进更快地适应市场变化，提高了灵活性和创新能力
- UiPath 和 GoodGist 等平台简化了重复性工作流程，包括理赔处理（DGTAL）和人力资源任务（CollegeVine），减少了人工操作，大大节省了成本和时间
- 其他平台，如 LangChain、Autogen、MetaGPT 和 ChatDev，都有助于开发和部署AI Agents
Enterprise Adoption Framework
企业采用框架
- Assess: Conducting an AI readiness audit and pinpoint high-impact use cases.
评估：进行AI readiness audit，找出影响较大的使用案例。
- Prototype: 开发最小可行的Agentic AI Solution并验证指标
- Monitor: 跟踪关键绩效指标、反馈回路和持续更新
Tools and Resources for Implementation企业应采用强调模块化、特定角色代理、无缝协作的框架，以及用于上下文保留、任务管理和系统集成的集成工具，确保agentic AI的可扩展和高效部署。
<End>
粤ICP备17114055号
支持私有云部署
