2023年8月，實(shí)在智能在全行業(yè)首發(fā)“一句話(huà)生成數(shù)字員工”的實(shí)在AI Agent智能體產(chǎn)品，即實(shí)在Agent智能體，也是TARS-RPA Agent智能體數(shù)字員工，其同時(shí)具備LLM大模型的對(duì)話(huà)式交互能力和RPA的流程自動(dòng)化能力，有“大腦”，更有“眼睛和手腳”，可以通過(guò)文本或語(yǔ)音指令的方式直接生成數(shù)字員工，操作PC/手機(jī)自主完成工作任務(wù)。

在AI+RPA的組合下，AI的深度學(xué)習(xí)、屏幕理解、語(yǔ)義識(shí)別和對(duì)話(huà)交互等功能，為人機(jī)協(xié)作效率提供保障。在這種情況下，實(shí)在Agent智能體成為能夠自主拆解任務(wù)、感知當(dāng)前環(huán)境、執(zhí)行并且反饋、記憶歷史經(jīng)驗(yàn)的RPA全新模式——擁有聰明的大腦，手腦并用，不吃不喝，沒(méi)有失誤，堪稱(chēng)全能“六邊形戰(zhàn)士”。

經(jīng)過(guò)半年多的行業(yè)積極探索，實(shí)在Agent智能體數(shù)字員工已廣泛應(yīng)用于金融、零售、運(yùn)營(yíng)商以及制造等行業(yè)的各類(lèi)業(yè)務(wù)場(chǎng)景，承擔(dān)起千人千面的“工作助理”“業(yè)務(wù)專(zhuān)員”“管理參謀”等角色，成為“人工智能+”時(shí)代下企業(yè)自有的新質(zhì)生產(chǎn)力，幫助企業(yè)降本增效，助力企業(yè)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型。

每年9月至10月開(kāi)學(xué)季，大量大學(xué)生會(huì)集中辦理新學(xué)年的通訊套餐。這些套餐通常包含話(huà)費(fèi)、流量、寬帶等不同服務(wù)，每項(xiàng)服務(wù)又有多個(gè)二級(jí)選項(xiàng)，業(yè)務(wù)組合數(shù)量非常龐大。

在辦理過(guò)程中，因前一個(gè)選項(xiàng)不同，會(huì)導(dǎo)致后續(xù)頁(yè)面多次變化。如果采用單純記錄動(dòng)作的RPA實(shí)現(xiàn)所有套餐場(chǎng)景，需要開(kāi)發(fā)數(shù)千個(gè)流程，操作復(fù)雜性和成本非常高。

實(shí)在Agent智能體利用大模型深度學(xué)習(xí)能力，提前學(xué)習(xí)并掌握辦理套餐的業(yè)務(wù)邏輯，再配合ISSUT （智能屏幕語(yǔ)義理解技術(shù)）動(dòng)態(tài)識(shí)別頁(yè)面變化，可以找到最匹配當(dāng)前辦理套餐的具體內(nèi)容進(jìn)行操作。二者能夠幫助智能體更好地理解相關(guān)信息，并獲得與人類(lèi)大腦相似的多模感知能力，無(wú)論用戶(hù)如何選擇，實(shí)在Agent智能體都能迅速適配。

此外，實(shí)在Agent智能體還能像業(yè)務(wù)專(zhuān)家一樣自主優(yōu)化操作步驟，找到最快捷、最簡(jiǎn)便的辦理路徑。企業(yè)只需要讓實(shí)在Agent智能體學(xué)習(xí)一次，它就能無(wú)限“分身”，適用于不同的套餐辦理場(chǎng)景，大大提高運(yùn)營(yíng)商業(yè)務(wù)效率并減少重復(fù)工作。

上海某證券公司的投資APP主要服務(wù)于高凈值用戶(hù)群體，因此配備了一支由數(shù)百名本科及以上學(xué)歷、專(zhuān)業(yè)金融背景的客服團(tuán)隊(duì)。由于團(tuán)隊(duì)規(guī)模龐大，加之金融行業(yè)對(duì)服務(wù)品質(zhì)的高要求，每一位客服人員都必須經(jīng)過(guò)嚴(yán)格的專(zhuān)業(yè)培訓(xùn)和考核后才能上崗，這無(wú)疑就導(dǎo)致了相當(dāng)高的人力成本和運(yùn)營(yíng)成本。

傳統(tǒng)RPA可基于一定的準(zhǔn)則完成自動(dòng)化，比如“關(guān)鍵詞”觸發(fā)回答等，但由于其智能化和個(gè)性化程度不足，還無(wú)法達(dá)到接近人類(lèi)的直覺(jué)、判斷、創(chuàng)造力、說(shuō)服力或隨機(jī)，滿(mǎn)意解決問(wèn)題的水平。

通過(guò)大模型預(yù)訓(xùn)練，實(shí)在Agent智能體可以獲得開(kāi)放的財(cái)經(jīng)專(zhuān)業(yè)知識(shí)，從而具備了基礎(chǔ)的財(cái)經(jīng)領(lǐng)域?qū)I(yè)能力。同時(shí)，通過(guò)RAG檢索增強(qiáng)生成系統(tǒng)，與客戶(hù)金融服務(wù)相關(guān)的法律法規(guī)、企業(yè)內(nèi)部業(yè)務(wù)規(guī)則和服務(wù)規(guī)范等知識(shí)庫(kù)進(jìn)行了鏈接，使實(shí)在Agent智能體能夠精準(zhǔn)有效地查詢(xún)到所需內(nèi)容，并嚴(yán)格遵循相關(guān)規(guī)范為客戶(hù)提供最佳回復(fù)。

相比傳統(tǒng)RPA，實(shí)在Agent智能體更接近人類(lèi)服務(wù)水平，更好地服務(wù)客戶(hù)。此外，實(shí)在Agent智能體還能自動(dòng)將客戶(hù)常問(wèn)的問(wèn)題及其采納的答案生成知識(shí)庫(kù)中的知識(shí)點(diǎn)，從而提高后續(xù)檢索的效率和準(zhǔn)確性，幫助企業(yè)擺脫“人海戰(zhàn)術(shù)”。

某跨境龍頭企業(yè)經(jīng)營(yíng)海內(nèi)外數(shù)十個(gè)的電商平臺(tái)，對(duì)應(yīng)的需要關(guān)注非常多的平臺(tái)數(shù)據(jù)，傳統(tǒng)BI數(shù)據(jù)駕駛艙只能按照預(yù)先設(shè)定的分析維度進(jìn)行數(shù)據(jù)分析，針對(duì)專(zhuān)項(xiàng)內(nèi)容的分析還是要到數(shù)據(jù)庫(kù)中進(jìn)行單獨(dú)查詢(xún)和輸出，而業(yè)務(wù)人員的數(shù)據(jù)分析技能有限，直接導(dǎo)致數(shù)據(jù)價(jià)值未能被充分挖掘。

同時(shí)，跨境企業(yè)的數(shù)據(jù)往往包含多種語(yǔ)言，這給數(shù)據(jù)整合和分析帶來(lái)了額外的挑戰(zhàn)。例如，客戶(hù)評(píng)價(jià)、產(chǎn)品描述等非結(jié)構(gòu)化數(shù)據(jù)可能需要人工翻譯和統(tǒng)一，以便進(jìn)行有效的分析。

將實(shí)在Agent智能體與數(shù)據(jù)庫(kù)或數(shù)據(jù)平臺(tái)打通，通過(guò)即時(shí)對(duì)話(huà)生成數(shù)據(jù)查詢(xún)指令，包括直接生成SQL代碼查詢(xún)數(shù)據(jù)庫(kù)或者通過(guò)調(diào)用API查詢(xún)數(shù)據(jù)平臺(tái)；取到待分析數(shù)據(jù)之后，可以再利用大模型的Python圖表生成能力，將數(shù)據(jù)表生成可視化圖表，呈現(xiàn)更直觀的分析維度。

此外，運(yùn)營(yíng)人員可以通過(guò)提示詞配置常用的分析模板，以簡(jiǎn)化與實(shí)在Agent智能體的交互過(guò)程，大幅提高人工效率，甚至實(shí)現(xiàn)“一崗多能”“多崗多能”。