2023年8月，實(shí)在智能在全行業(yè)首發(fā)“一句話生成數(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，其同時具備LLM大模型的對話式交互能力和RPA的流程自動化能力，有“大腦”，更有“眼睛和手腳”，可以通過文本或語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、語義識別和對話交互等功能，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，沒有失誤，堪稱全能“六邊形戰(zhàn)士”。

經(jīng)過半年多的行業(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)營商以及制造等行業(yè)的各類業(yè)務(wù)場景，承擔(dān)起千人千面的“工作助理”“業(yè)務(wù)專員”“管理參謀”等角色，成為“人工智能+”時代下企業(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月開學(xué)季，大量大學(xué)生會集中辦理新學(xué)年的通訊套餐。這些套餐通常包含話費(fèi)、流量、寬帶等不同服務(wù)，每項(xiàng)服務(wù)又有多個二級選項(xiàng)，業(yè)務(wù)組合數(shù)量非常龐大。

在辦理過程中，因前一個選項(xiàng)不同，會導(dǎo)致后續(xù)頁面多次變化。如果采用單純記錄動作的RPA實(shí)現(xiàn)所有套餐場景，需要開發(fā)數(shù)千個流程，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 （智能屏幕語義理解技術(shù)）動態(tài)識別頁面變化，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，并獲得與人類大腦相似的多模感知能力，無論用戶如何選擇，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)專家一樣自主優(yōu)化操作步驟，找到最快捷、最簡便的辦理路徑。企業(yè)只需要讓實(shí)在Agent智能體學(xué)習(xí)一次，它就能無限“分身”，適用于不同的套餐辦理場景，大大提高運(yùn)營商業(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)于高凈值用戶群體，因此配備了一支由數(shù)百名本科及以上學(xué)歷、專業(yè)金融背景的客服團(tuán)隊。由于團(tuán)隊規(guī)模龐大，加之金融行業(yè)對服務(wù)品質(zhì)的高要求，每一位客服人員都必須經(jīng)過嚴(yán)格的專業(yè)培訓(xùn)和考核后才能上崗，這無疑就導(dǎo)致了相當(dāng)高的人力成本和運(yùn)營成本。

傳統(tǒng)RPA可基于一定的準(zhǔn)則完成自動化，比如“關(guān)鍵詞”觸發(fā)回答等，但由于其智能化和個性化程度不足，還無法達(dá)到接近人類的直覺、判斷、創(chuàng)造力、說服力或隨機(jī)，滿意解決問題的水平。

通過大模型預(yù)訓(xùn)練，實(shí)在Agent智能體可以獲得開放的財經(jīng)專業(yè)知識，從而具備了基礎(chǔ)的財經(jīng)領(lǐng)域?qū)I(yè)能力。同時，通過RAG檢索增強(qiáng)生成系統(tǒng)，與客戶金融服務(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)范等知識庫進(jìn)行了鏈接，使實(shí)在Agent智能體能夠精準(zhǔn)有效地查詢到所需內(nèi)容，并嚴(yán)格遵循相關(guān)規(guī)范為客戶提供最佳回復(fù)。

相比傳統(tǒng)RPA，實(shí)在Agent智能體更接近人類服務(wù)水平，更好地服務(wù)客戶。此外，實(shí)在Agent智能體還能自動將客戶常問的問題及其采納的答案生成知識庫中的知識點(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)營海內(nèi)外數(shù)十個的電商平臺，對應(yīng)的需要關(guān)注非常多的平臺數(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，針對專項(xiàng)內(nèi)容的分析還是要到數(shù)據(jù)庫中進(jìn)行單獨(dú)查詢和輸出，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)價值未能被充分挖掘。

同時，跨境企業(yè)的數(shù)據(jù)往往包含多種語言，這給數(shù)據(jù)整合和分析帶來了額外的挑戰(zhàn)。例如，客戶評價、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)庫或數(shù)據(jù)平臺打通，通過即時對話生成數(shù)據(jù)查詢指令，包括直接生成SQL代碼查詢數(shù)據(jù)庫或者通過調(diào)用API查詢數(shù)據(jù)平臺；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)營人員可以通過提示詞配置常用的分析模板，以簡化與實(shí)在Agent智能體的交互過程，大幅提高人工效率，甚至實(shí)現(xiàn)“一崗多能”“多崗多能”。