GPTs 大受欢迎但问题多，企服软件厂商的 AI Agent 更被 B 端客户器重

• GPTs 大受欢迎但问题多，企服软件厂商的 AI Agent 更被 B 端客户器重

• 比尔盖茨预言智能体是下个平台，超自动化平台的 AI Agent 更靠谱？

• 以 GPTs 为代表的 AI Agent 只是玩具？揭秘真实可用 AI 智能体长什么样

• AI Agent 应用落地前半场，属于企服软件厂商推出的平台级 AI 智能体

文/王吉伟

OpenAI 在首届开发者大会上推出了 GPTs 和 Assitant API，不仅改写了 AI Agent 的构建范式，也把 AI 智能体的应用推向一个新高潮。

GPTs 和 GPT 商店，使得用户无需编码通过自然语言就能创建并拥有多个专属私人助理，且可以如在苹果应用商店一样在 GPT 商店出售和购买这些专属助理。

这意味着，人人都能构建 Agent 的时代已然到来，Agent 无处不在的序幕也已拉开。

OpenAI 开发者大会之后，几个月前曾把生成式 AI 比作“图形用户界面（GUI）一般爆炸性技术革命”的比尔盖茨，再次发表长文表达其对 AI Agent 的看法。

他认为，智能体不仅会改变人与计算机交互的方式，还将颠覆软件行业，带来自人类从键入命令到点击图标以来最大的计算革命，智能体会成为继 Android、iOS 和 Windows 等之后的下一个平台。

有了行业大佬的背书，AI Agent 的火爆程度再度跃升一个量级。即便目前 99%的 GPTs 都在裸奔，两句话就能套走 GPTs 数据库，也阻挡不住人们开发与分享 GPTs 的热情。比如某第三方 GPT Store 显示的 GPTs 数量，已经多达 1.3W+。

AI Agent 大势所趋，已经成为 LLM 落地应用的主要途径。借着 GPTs 的火和比尔盖茨的风，很多 LLM 研发与应用厂商都打出了 Agent 的牌。反正早晚都要实现通用人工智能 AGI，不管是概念阶段还是应用起步，先一步主打 Agent 必然没错。

概念化陈述的 AI Agent 与实体化应用的 AI Agent，自然存在很大差距。随着类似信息越来越多，大众也就无感，以致于目前大部分人认为 AI Agent 十之八九名不副实，仅是玩具一般的存在。

AI Agent 只是玩具？

AI Agent 是不是玩具，取决于从哪个角度看。

个人使用它自动购买机票、订披萨、写总结、收发邮件，看起来已经是不错的生产力工具。比如使用 GPTs 通过 Zapier 的海量 API 连接更多商业应用，可以在很多业务场景中使用。

但现在市面上大多 Agent，包括 OpenAI 推出的 GPTs，不过就是构建了一个基于某知识库或者专业数据的 Chatbot。使用这些智能体进行问答交互，比如获取行业资讯、报告等，都可以做到对答如流。

但在程序联动与操作方面还有很大差距，至少现在还无法用 GPTs 直接操作 SAP 或者金蝶等 ERP 系统，因为其中涉及到了 API 的应用、授权、维护以及无 API 管理软件的连接问题。

对于广大企业而言，如果 GPTs 等 AI 智能体只能用于知识问答，确实像一个玩具，因为它还无法深入到企业运营的业务流程中去。

所以，无论现在对 AI Agent 的讨论多么热烈，不管 2W+的 GPTs 和大量第三方 Agents 展现的应用场景有多丰富，它们仍算是 Agent 的初级应用，尚无法深度参与及影响广大组织的业务经营。

当然其中的因素是多样且复杂的，比如 LLM 能力、Agent 架构、Prompt 精确性、数据集大小、知识库丰富程度等，都能影响 Agent 能力的体现。

这种情况下，当前大家所提到的 AI Agent 大部分都停留在 idea 阶段，成熟产品很少。

还有重要的一点，随着 Agent 的构建越发简单，Agent 生态的成熟会让 C 端 Agent 出现百花齐放的局面，应用价值方面也随边际效应而无限趋向于更小量级。

由此 AI Agent 更大的价值，最终还是要落到 B 端的商业落地与量级应用。

这，也就是比尔盖茨所言的智能体的平台价值。

Agent 平台的价值

比尔盖茨认为，智能体作为下一个平台，将会影响人们使用软件的方式以及软件的编写方式。它更擅长查找信息并为用户总结信息，能够会为用户找到最优惠的价格，将取代搜索网站及电商网站，也将取代文字处理器、电子表格和其它生产力应用程序。

并且，现在各自独立的搜索广告、广告社交网络、购物、生产力软件等，都将变成智能体这一项业务。

Agent 会彻底改变应用软件的打开方式，这一点毋庸置疑。

而相对于 Agent 带来的影响，如何构建 Agent 以及由什么样的 Agent 平台去构建能力足够强劲的 Agent，是大家更为关注的，也是更需要探讨的问题。

在这方面，OpenAI 已经率先用 GPTs 以及 GPT Builder 为业界打了一个样。

即 AI Agent 平台本身就是 AI 智能体，也是智能体构建平台，还是 Agent 分发平台。为了让人们更方便的构建与应用各种 Agent，它会基于构建-应用-分享-反馈的应用路径发展，并且 Agent 的架构逻辑与思维也会用于支持平台的整体运营。

平台属性意味着它不只用于构建和分发 Agent，更重要的是能够为用户提供包括安全、运营、维护等在内的交付能力。不仅需要内置为用户构建智能体所需要的各种插件和组件，还需要能够在智能体构建过程中随时给予用户反馈以保证项目成功。

这几点，对于 B 端用户尤其重要。

像最近 GPTs 推出后 OpenAI 出现的各种安全问题，首先在数据安全上就过不了企业用户的关，不是私有化部署的用户可能都不敢构建 GPTs，更不用说对外分享。

从业务流程角度来看，Agent 的应用是在 LLM 的基础上进一步实现的业务流程自动化。而目前包括 GPTs 在内的各种 AI 智能体表现来看，普遍存在两种情况：

一是安全系数不过关，频频出现的数据泄露问题让广大组织望而生畏，而中小企业又没有能力私有化部署 LLM；

二是 Agent 所带来的流程自动化仍停留于粗浅层面，尚无法为企业内部动辄几十上百种的业务系统提供业务流支持。

所以，AI Agent 想要真正在 B 端实现大量业务场景的落地商用，需要综合考量其本身的安全性、技术发展周期是否成熟以及 To B 端的场景是否密切贴合等。

说到这里有人可能会问，连 GPTs 都存在那么多问题，现阶段企业想要应用 AI 智能体，就没有合适的解决方案吗？

当然有，下面我就会讲到。

企业级 AI 智能体平台

在讲述企业级 AI 智能体平台之前，我们先来看一个真实应用案例。

这是一个使用 RPA 智能体自动构建「从招行网银客户端下载交易数据(敏感信息打码)」自动化流程的应用案例，可以看到要构建这样一个自动化流程，只需在 TARS 大模型对话框输入“打开客户端，查询默认账号几年的交易数据，并下载导出”，TARS 就能自动创建执行计划，点击执行它就能按照执行计划一步步去执行，等它执行完以后，一个可以复用的自动化流程也构建完成了。

使用这种方式构建自动化流程，人机协作的部分只有必要时人工才参与的点击功能按钮和必要元素，构建的全程不再需要“拖拉拽”各种组件和代码块，任何人随时都能构建需要的自动化流程。

案例所使用的 AI 智能体产品，是实在智能推出的 RPA Agent 智能体。这是一个能够自主拆解任务、感知当前环境、执行并且反馈、记忆历史经验的 RPA Agent，进一步降低了数字员工的应用门槛。

实在智能凭借其自创业初就深深扎根在 AI 领域强大的自研能力和帮助大中型企业客户获取丰富的自动化落地解决方案的经验，在经历第一代专家模式 RPA、第二代简易模式 IPA 之后，迭代成为现在的第三代对话模式 RPA：融合 TARS 大语言模型的 RPA Agent 智能体。

实在智能垂直领域大模型 TARS 的推出，为 RPA 数字员工注入“TARS+ISSUT（智能屏幕语义理解技术）”双模引擎。双模互动构成了 TARS-RPA-Agent，实现对屏幕上一切元素的自动化操作，并为行业带来“你说，PC 做”全新工作布置方式，实现流程自动化创建的“所说即所得”。

这里“你说，PC 做”的意思是，通过 RPA 智能体构建包括所有企业管理软件在内的自动化操作流程，而并非通过 GPT builder 等 Agent 构建平台构建类 GPTs 的轻量级 Agent。如果说其他平台构建的 Agent 还是 Agent 工具，RPA Agent 构建的 Agent 则是智能体数字员工。

RPA Agent 智能体不只发挥了 LLM 理解与分析的优势，也保留了 RPA 特色，只要能够识别的元素全部都能实现自动化操作，可以面向包含 API 接口及 UI 自动化的所有管理程序构建自动化程序，因此完全可以用于企业运营的业务流程自动化构建。

超自动化平台推出的 Agent 更靠谱

企业要引入 AI 智能体进行流程优化，必须经过成本控制、投入预算、实现效率、安全管控等多方面严格及缜密的评估。这就要求技术供应商提供的必须是平台级解决方案，而不是只针对单一、个别场景需求来提供的智能体自动化解决方案。

越复杂的业务流程自动化，对智能体厂商平台的底层技术融合能力、数据安全性掌控能力、产品部署后的运营和维护能力、交付能力及产品和解决方案的可扩展能力等的要求也就越严格。这也对 AI Agent 技术供应商提出了更高的要求，必须具备丰富的帮助大厂实现超大和复杂业务场景自动化落地的经验。

同时，大型企业引入新的 AI 技术不允许任何试错成本，因此技术供应商给出的解决方案必须是开箱即用、具备行业 KNOW-HOW 术语和业务规则的真实智能体数字员工。也只有这样的标准化智能体，才能被纳入企业的内部编制中去统一管理和调度。

除此之外，要实现 AI Agent 更好地商用，需要考虑接口成本、隐私、管理、授权等诸多因素，这既是很多供应商的技术与产品门槛，也是广大企业选型的重要依据。

所以，企业在选择用于业务流程自动化的 AI 智能体时，也是优先考虑超自动化厂商推出的 AI 智能体产品，而不是选择 LLM 厂商推出的尚未成熟的通过 API 连接各种插件的单一智能体解决方案。

这种情况下，在 B 端市场，由 ERP、BPM、超自动化等企业管理软件厂商推出的 AI 智能体反而更受关注。大部分企业会根据自身需求，选择能够结合业务特点、具备丰富流程自动化落地经验且能够解决更复杂更庞大业务流程自动化的需求的技术供应商，以快速实现新 AI 智能体解决方案落地。

这也是老牌 RPA 融合 LLM 后，更容易将智能体做成平台级别产品的原因。

就如推出 RPA Agent 智能体的实在智能，具备上面所列的多个先发优势：之前 RPA、IDP、流程挖掘、ISSUT 等所有产品组合都是按照平台级别打造的，现在的 RPA 智能体也是在之前超自动化平台的基础上融合 LLM 及 Agent 架构打造的。

它自诞生开始，就是比尔盖茨所说的平台级智能体产品。

如果你的企业想在 Agent 被视作玩具的眼下引入企业级 AI 智能体数字员工，实在智能 RPA Agent 智能体会是一个不错的选择。

后记：AI Agent 前半场属于平台级 AI 智能体

在超自动化领域，很多人认为 LLM 厂商推出的 AI Agent，可能会优先颠覆之前的 RPA、低代码、工作流、流程挖掘等企业管理平台。

但现在的事实是，这些超自动化平台通过融合自有大语言模型或者集成第三方大语言模型 API，在此基础上推出的 AI Agent 反而更胜一筹，无论在安全性方面，还是易用性、扩展能力等方面，都明显优于现在市面上其他 Agent。

如果套上“LLM+规划+记忆+工具”这个 Agent 架构，RPA、低代码等都属于工具，但这个工具是融合 AI 等多种技术的平台级别工具，它与 GPT 等通过 API 调用的轻量级工具有着显著区别。

有的推出 Agent 智能体的厂商如实在智能，也推出了自己的垂直领域大模型，跻身成为大语言模型厂商，因此在 Agent 构建及技术架构方面可以有更多的选择以及灵活的策略。

更重要的是作为超自动化厂商，他们拥有更多的技术、工具、数据以及经验，可以基于自身优势打造更符合产品特性及用户属性的 AI 智能体，并能够为用户定制专属的个性化企业级 AI 智能体。。

这样的 AI 智能体能够更好地理解用户指令意图并为 RPA 等工具规划各种任务，更能够无缝融合及适配所有工具、数据、知识及经验。

目前而言，不管怎么对比，由企业管理软件厂商推出的平台级 AI Agent 明显要靠谱得多，且已真正实现落地商用。

AI Agent 应用落地前半场，企服软件厂商的平台级 AI 智能体先跑出来了。

【王吉伟频道，关注 AIGC 与 IoT，专注数字化转型、业务流程自动化与 RPA，欢迎关注与交流。】