OpenAI在首屆開發者大會上推出了GPTs和Assitant API，不僅改寫了AI Agent的構建范式，也把AI智能體的應用推向一個新高潮。GPTs和GPT商店，使得用戶無需編碼通過自然語言就能創建并擁有多個專屬私人助理，且可以如在蘋果應用商店一樣在GPT商店出售和購買這些專屬助理。

就連比爾蓋茨也發表了其對AI Agent的看法。他所定義的智能體不僅會改變人與計算機交互的方式，還將顛覆軟件行業，帶來自人類從鍵入命令到點擊圖標以來最大的計算革命，智能體會成為繼Android、iOS和Windows等之后的下一個平臺。

這些無疑不在向我們透露出，一個人人都能構建Agent的時代已然到來，Agent無處不在的序幕也已拉開。AI Agent大勢所趨，已經成為LLM落地應用的主要途徑。借著GPTs的火和比爾蓋茨的風，很多LLM研發與應用廠商都打出了Agent的牌。

概念化陳述的AI Agent與實體化應用的AI Agent，自然存在很大差距。隨著類似這樣的信息越來越多，大眾也對智能體到底是什么且對智能體能否在大企業客戶內部真正落地充滿了好奇。而市場上的智能體產品從服務的目標客群和具體落地的產品能力來看，可以分為以下幾大類：

服務單一場景，集成的自動化實現需外部API們加持

? 服務場景單一

? 缺乏特定行業知識庫KNOW-HOW

? 非平臺級智能體程序聯動與操作差強人意

非平臺級AI Agent智能體產品目前比較常見的運用領域包含：使用它自動購買機票、定披薩、寫總結、收發郵件，在流程自動化實現方面是屬于提升生產力的工具。在使用GPTs通過Zapier（連接器）后可以通過海量API連接更多商業應用，可以在很多業務場景中使用。

而現在市面上的大多數Agent智能體，包括OpenAI推出的GPTs，不過就是構建了一個基于某知識庫或者專業數據的Chatbot。使用這些智能體進行問答交互，比如獲取行業資訊、報告等，都可以做到對答如流。但如果要求他們針對特定行業的業務流程進行更深的自動化實現或是幫助企業實現業務邏輯更復雜的流程自動化，這類智能體就會露怯。

另外這類智能體在程序聯動與操作方面還有很大差距，主要現在還無法用GPTs直接操作SAP或者金蝶等ERP系統，因為中其中涉及到了API的應用、授權、維護以及無API管理軟件的連接問題。

所以，無論現在對AI Agent的討論多么熱烈，不管1.3W+的GPTs和大量第三方Agents展現的應用場景有多豐富，它們仍然只能算是Agent智能體的初級或非平臺級運用，尚無法深度參與及影響廣大組織的業務自動化實現。

而要想發揮AI Agent的更大價值和服務于更廣闊的業務場景，智能體還是要落到B端的商業落地與超量級的應用上去。而這，也就是比爾蓋茨所提及的智能體的平臺價值。

為企業客戶提供閉環，安全、一站式智能體數字員工體驗

? 構建-應用-分享-反饋的平臺級智能體

? 一站式智能體數字員工體驗

AI Agent智能體平臺化本身要實現的就是構建一個以智能體為主的平臺，它同時也是Agent 智能體分發平臺。是為了讓企業流程自動化負責人們更方便的構建與應用各種Agent，該智能體平臺會基于構建-應用-分享-反饋的應用路徑發展，同時Agent的架構邏輯與思維也會用于支持平臺的整體運營。

智能體的平臺屬性意味著它不只僅僅用于構建和分發Agent，更重要的是能夠為用戶提供包括安全、運營、維護等在內的交付能力。不僅需要內置為用戶構建智能體所需要的各種插件和組件，還需要能夠在智能體構建過程中隨時給與用戶反饋以保證項目成功。即實現為B端客戶提供一站式智能體數字員工解決方案的目標。

而智能體的平臺化實現可以完美規避像最近GPTs推出后OpenAI出現的各種安全問題。例如在數據安全上根本無法過企業用戶的關，不是私有化部署的用戶，幾乎都不敢構建GPTs，更不用說對外分享。

從業務流程角度來看，Agent的應用是在LLM的基礎上進一步實現的業務流程自動化。而目前包括GPTs在內的各種AI智能體表現來看，普遍存在兩種情況：

一是安全系數不過關，頻頻出現的數據泄漏問題讓廣大組織望而生畏，而中小企業又沒有能力私有化部署LLM；

二是Agent所帶來的流程自動化仍停留于粗淺層面，尚無法為企業內部動輒幾十上百種的業務系統提供業務流自動化支持。

所以，AI Agent想要真正在B端實現大量業務場景的落地商用，需要綜合考量其自身的安全性、技術發展周期是否成熟以及To B端的場景是否密切貼合等。

你說，PC做！所見即所得

? 企業自動化實現必備的智能體數字員工

? 自主拆解任務

? 感知當前環境

? 執行并且反饋

? 記憶歷史經驗

在講述企業級AI智能體平臺之前，我們先來看一個真實應用案例。

這是一個使用RPA智能體自動構建「從XX網銀客戶端下載交易數據(敏感信息打碼)」自動化流程的應用案例，可以看到要構建這樣一個自動化流程，只需在TARS大模型對話框輸入“打開客戶端，查詢默認賬號幾年的交易數據，并下載導出”，TARS就能自動創建執行計劃，點擊執行它就能按照執行計劃一步步去執行，等它執行完以后，一個可以復用的自動化流程也構建完成了。

使用這種方式構建自動化流程，人機協作的部分也可以出現智能體生成的流程步驟需要修改時才會出現。整個流程構建的過程中不再需要“拖拉拽”各種組件和代碼塊，任何業務線上的工作人員都能隨時根據自己實際業務需求來通過企業級AI智能體實現可視，人機共創的自動化流程。

而案例所使用的AI智能體產品，是實在智能推出的RPA Agent智能體。這是一個能夠自主拆解任務、感知當前環境、執行并且反饋、記憶歷史經驗的RPA Agent，進一步降低了智能體數字員工的使用門檻。

實在智能憑借其自創業初就深深扎根在AI領域強大的自研能力和幫助大中型企業客戶獲取豐富的自動化落地解決方案的經驗，在經歷第一代專家模式RPA、第二代易用模式IPA之后，迭代成為現在的第三代對話模式RPA，即融合TARS大語言模型的RPA Agent智能體。

實在智能垂直領域大模型TARS的推出，為RPA數字員工注入“TARS+ISSUT（智能屏幕語義理解技術）”雙模引擎。雙模互動構成了TARS-RPA-Agent，實現對屏幕上一切元素的自動化操作，并為行業帶來“你說，PC做”全新工作布置方式，實現流程自動化創建的“所說即所得”。

這里“你說，PC做”的意思是，通過RPA智能體構建包括所有企業管理軟件在內的自動化操作流程，而并非通過GPT builder等Agent構建平臺構建類GPTs的輕量級Agent。如果說其他平臺構建的Agent還是Agent工具，RPA Agent構建的Agent則是智能體數字員工。

RPA Agent智能體不只發揮了LLM理解與分析的優勢，更借助ISSUT技術對各類C/S、B/S架構的企業應用進行頁面識別、理解和操作，同時保留了RPA特色，只要能夠識別的元素全部都能用來構建流程自動化的實現。同時可以面向包含API接口及UI自動化的所有管理程序構建自動化程序，故而可以完全用于企業運營的業務流程自動化構建。

Agent 智能體數字員工才更靠譜

? 成熟的超自動化底層技術融合能力

? 最全的平臺級部署和交付能力

? 可擴展的智能體平臺級能力

? 豐富和復雜業務場景自動化部署經驗

企業要引入AI智能體進行流程優化，必須經過成本控制、投入預算、實現效率、安全管控等多方面嚴格及縝密的評估。這就要求技術供應商提供的必須是平臺級解決方案，而不是只針對單一、個別場景需求來提供的智能體自動化解決方案。

越復雜的業務流程自動化，對智能體廠商平臺的底層技術融合能力、數據安全性掌控能力、產品部署后的運營和維護能力、交付能力及產品和解決方案的可擴展能力等的要求也就越嚴格。這也對AI Agent技術供應商提出了更高的要求，必需具備豐富的幫大場實現超大和復雜業務場景自動化落地的經驗。

大型企業引入新的AI技術不允許任何試錯成本，因此技術供應商給出的解決方案必須是開箱即用、具備行業KNOW-HOW術語和業務規則的真實智能體數字員工。也只有這樣的標準化智能體，才能被納入企業的內部編制中去統一管理和調度。

除此之外，要實現AI Agent更好地商用，需要考慮接口成本、隱私、管理、授權等諸多因素，這既是很多供應商的技術與產品門檻，也是廣大企業選型的重要依據。

所以，企業在選擇用于業務流程自動化的AI智能體時，也是優先考慮超自動化廠商推出的AI智能體產品，而不是選擇LLM廠商推出的尚未成熟的通過API連接各種插件的單一智能體解決方案。

這種情況下，在B端市場，由ERP、BPM、超自動化等企業管理軟件廠商推出的AI智能體反而更受關注。大部分企業會根據自身需求，選擇能夠能夠結合業務特點、具備豐富流程自動化落地經驗且能夠解決更復雜更龐大業務流程自動化的需求的技術供應商，以快速實現新AI智能體解決方案落地。

這也是為什么老牌RPA廠商融合LLM后，更容易將智能體做成平臺級別產品的原因。

就如推出RPA Agent智能體的實在智能，除了具備上面所列的多個先發優勢外：已經擁有豐富落地案例的RPA、IDP、流程挖掘、ISSUT等所有產品組合都是按照平臺級別打造的，現在的RPA智能體也是在之前超自動化平臺的基礎上融合LLM及Agent架構打造的。

實在智能的RPA Agent智能體產品自誕生之日開始，就是比爾蓋茨所說的平臺級智能體產品。

實在智能平臺級AI智能體先跑出來了

? 高安全性

? 高易用性

? 強擴展能力

在超自動化領域，很多人認為LLM廠商推出的AI Agent，可能會優先顛覆之前的RPA、低代碼、工作流、流程挖掘等企業管理平臺。

但現在深入了解后發現的真相卻是，這些超自動化平臺通過融合自有大語言模型或者集成第三方大語言模型API，在此基礎上推出的AI Agent反而更勝一籌，無論在安全性方面，還是易用性、擴展能力等方面，都明顯優于現在市面上其他Agent。

如果套上“LLM+規劃+記憶+工具”這個Agent架構，RPA、低代碼等都屬于工具，但這個工具是融合AI等多種技術的平臺級別工具，它與GPT等通過API調用的輕量級工具有著顯著區別。

有的推出Agent智能體的廠商如實在智能，也推出了自己的垂直領域大模型，因此在Agent構建及技術架構方面可以有更多的選擇以及靈活的策略。更重要的作為超自動化廠商，他們擁有更多的技術、工具、數據以及經驗，可以基于自身優勢打造更符合產品特性及用戶屬性的AI智能體，并能夠為用戶定制專屬的個性化企業級AI智能體。

這樣的AI智能體能夠更好地理解用戶指令意圖并為RPA等工具規劃各種任務，更能夠無縫融合及適配所有工具、數據、知識及經驗。

目前看來由企業管理軟件廠商推出的平臺級AI Agent明顯要靠譜得多，且已真正實現落地商用。

AI Agent前半場，實在智能平臺級AI智能體先跑出來了。