什么是 AI 劳动力？

人工智能创新的步伐正以惊人的速度加快。曾经只是理论上的技术现在正成为现实的可能。各行各业的公司正越来越多地采用人工智能来自动化任务，提高生产力，创造新的可能性。

在人工智能领域有一个特别的地方，甚至吸引了像比尔·盖茨和维诺德·科斯拉这样的传奇技术专家的极大兴趣，那就是人工智能代理——一种旨在自主行动并代表用户完成甚至复杂任务的人工智能系统，它能够规划、推理、反应并采取行动。

在不到十年的时间里，每个美国人都将拥有一打或更多的人工智能代理，这些代理不断地在互联网上运行，其人工智能的计算能力是现在的10倍。

• Vinod Khosla，OpenAI的早期投资者，Sun Microsystems的创始人以及Khosla Venture的创始人。

代理们来了。在接下来的几年里，他们将彻底改变我们在线和离线的生活方式。

• 比尔·盖茨，微软的创始人。

随着人工智能代理的日益普及和发展，劳动力队伍中一个新的细分市场变得越来越重要 -人工智能劳动力每个公司不仅有人类员工，还有人工智能员工一起工作。团队将只受他们想法的限制，而不是他们的大小。

你如何建立一个人工智能劳动力？

要构建一个人工智能劳动力，有三个核心组成部分：

1. AI代理：它们是数字工作者，只要给出指令，它们就会完成任务。这些AI代理由GPT、Mistral、Claude等大型语言模型（LLM）提供支持。这些需要精心创建才能有效。它们需要经过非常好的指导和构建，以便它们能够在没有技术错误的情况下运行。这是在我们达到人类水平的推理、思考和行动之前。
2. 工具代理：为了让代理从仅仅生成文本中提升出来，需要让它能够访问诸如“谷歌搜索”，“使用salesforce”，“运行代码”等AI工具，以赋予它真正的超能力来自动化任务。
3. 多智能体系统：为了让智能体像团队一样协同工作，你需要一个多智能体系统，它允许不同类型的多样化智能体相互交流和对话。一队人工智能智能体总是比1个更有效。

一个有效的人工智能劳动力是一个拥有多样化的人工智能代理团队，这些代理是各自领域的专家，每个代理都配备了强大且相关的工具，并且它们在一个多代理系统中工作。

什么是人工智能代理？

人工智能代理可以根据他们的自主程度和与用户的互动性质被广泛地分为两类：副驾驶和自动驾驶。

副驾驶代理 - 人工智能在循环中

副驾驶员代理是一种广泛存在的人工智能代理形式，旨在与人类一起工作并提高我们的生产力。”人工智能参与决策”指的是在决策过程中积极涉及人工智能系统的做法，同时仍然保持人类的监督和控制。它们被集成到各种工具和平台中，协助完成任务并简化工作流程。事实上，根据最近的一份报告，到2027年，全球人工智能副驾驶市场预计将达到231亿美元，在预测期间的复合年增长率（CAGR）为38.4%。此外，高德纳（Gartner）的一项调查发现，75%的组织已经部署或计划在未来一年内部署副驾驶代理。

你已经完成了任务，并且得到了奖励。

以下是一些使用副驾驶员代理的例子：

• Github 编码助手。直接嵌入到 Visual Studio Code 和 GitHub 中，帮助开发人员更快地编写有效的代码，并专注于构建耐用软件的核心部分，例如逻辑。

• 微软365演示文稿的副驾驶。直接嵌入到微软套件中，如微软PowerPoint，帮助您更有效地创建PowerPoints

• 用于写作的概念人工智能。直接嵌入到概念中，帮助您更有效地创建概念文档。

自动驾驶代理 - 人在回路中

自动驾驶代理与副驾驶不同，它们被设计成能够自主行动，像人类一样与工具互动，而不需要人类来监督或管理。自动驾驶代理代表了人工智能技术的重大进步，能够在最少的人类干预下自主完成任务。然而，尽管它们具有先进的能力，但这些代理并不完美，有时需要人类监督以确保准确性和精确性。这就是“人类在回路中”的方法发挥作用的地方，允许人类审查和纠正自动驾驶代理所做的决定。这种协作方法使得自动化的好处得以实现，同时仍然利用人类的判断和专业知识，特别是在医疗保健、金融和运输等高风险应用中特别有用。

他是个非常聪明的人，但有时他有点古怪。

Klarna最近宣布，他们的客户支持自动驾驶聊天机器人在其前四周内用35种语言处理了全球230万次客户服务聊天。这个数量相当于700名全职人类代理的工作量。Klarna报告称，他们的自动驾驶汽车实现了与人类团队成员相等的客户满意度评级。它还显示出比人类更高的准确性，重复查询减少了25%。此外，它可以在不到2分钟内解决票据，而之前的基准是11分钟。

我很高兴见到你。

人工智能在回路（AITL）与人类在回路（HITL）

随着人工智能技术的不断发展和日益融入我们生活的各个方面，理解不同的人与人工智能合作方式至关重要。目前出现了两种突出的范式：人在回路中（人类互动测试）和循环中的人工智能（人工智能技术实验室）。尽管这两种方法都旨在利用人类和人工智能的优势，但它们在基本理念、应用和好处方面存在显著差异。

主要区别：

1. 自主程度人类在回路学习（HITL）具有更高的自主性，因为人工智能做出决策，人类只在必要时进行审查和纠正，而人工智能在回路学习（AITL）的自主性较低，因为人工智能充当副驾驶，为人类决策提供建议。
2. 人类的作用在HITL中，人类有审查和纠正的角色，而在AITL中，人类有决策的角色，人工智能提供支持。
3. 决策过程HITL涉及AI做出决策，然后由人类进行审查和纠正，而AITL涉及人类做出决策，AI提供建议。
4. 申请：HITL适合于人工智能高度发达和准确的应用，如数据处理和分析，而AITL适合于复杂的决策和创造性任务。
5. 好处：HITL确保效率和准确性，而AITL增强了人类的能力并提供了额外的见解。

如何制作一个有效的代理？

创建一个有效的人工智能代理需要深思熟虑和系统的方法。它涉及将机器学习和自然语言处理等尖端技术与对代理的预期目标、任务和环境的深入理解相结合。通过精心设计和训练人工智能代理，开发人员可以释放其全部潜力，创建一个增强生产力、决策和整体性能的强大工具。

“我们正在寻找一个可以提供我们所需服务的供应商。”

有5个核心组成部分：

大型语言模型（LLM）

任何人工智能代理的核心都是一个强大的基础模型，通常被称为大型语言模型。与简单的基于规则的聊天机器人不同，像GPT4和Anthropic的Claude这样的大型语言模型能够理解细微的语言差异，生成连贯的长文本，甚至在适当提示时执行逻辑推理。

系统提示

系统提示充当AI代理的个性和推理模式。精心设计的提示可以引导大型语言模型（LLM）以适当的方式做出回应，无论是作为有用的助手、好奇的孩子还是领域专家。有许多不同类型的系统提示可以激发不同类型的推理行为，例如思维链，思想之树，反应等等

记忆

除了分析当前的输入文本外，有效的人工智能代理还需要记住过去的交互和上下文。这可能是一个简单的短期记忆，用于回忆最后几次交流，或者是一个更全面的长期记忆组件。有了记忆，代理可以进行真正的对话，引用共享的历史并保持逻辑一致性。

反馈

代理从用户那里获得关于好行为和坏行为的反馈至关重要。然后，可以通过使用类似的方法对模型进行微调，将这些反馈纳入RLHF。

工具代理人

虽然大型语言模型（LLMs）可以生成令人印象深刻的文本，但代理需要额外的工具来采取有意义的行动。这可能包括用于查找信息、集成日历或完成交易的API。有了这些工具，代理可以超越聊天，真正地在应用程序中帮助用户。

这四个组成部分共同使人工智能代理能够理解、学习、推理并以智能的方式行动。这些核心能力的快速发展使我们更接近于通用人工智能。下一代的人工智能代理将与人类无缝协作

为了让代理能够从仅仅生成文本和与真实世界交互中提升，它需要被赋予使用工具的权限。

对于那些具有工程背景的人来说，你可以将工具想象成函数。它们是代理在认为任务需要时可以调用和执行的“技能”。

有3种核心类型的工具，这对于使代理变得强大非常有用。

• 真相来源工具。这些是知识库，代理可以访问有关不同主题的数据以回答新问题。例如“立法查找”，“人力资源手册”

• 功能性工具。这些是用于执行某种操作的API/集成。例如“发送电子邮件”

• 基于技能的工具。这些是由领域专家构建的特定于用例的工作流程，可以由多个具有专家精心设计提示的LLMs以及其他工具组成。例如，“如何专业地回复NDA请求。”

以下是一些在副驾驶和自动驾驶系统中使用的工具示例：

这个副驾驶示例展示了一个工具，它可以根据电子邮件地址找到一个人的职位、公司和公司规模。这是一个使用我们的自定义动作功能在ChatGPT中构建的GPT。

在经历了一场激烈的战斗之后，他终于赢得了比赛。

这个自动驾驶示例展示了一个写作代理，它拥有谷歌搜索和网站抓取的工具。因此，他们可以使用谷歌进行桌面研究，然后从结果中抓取内容以总结并帮助他们撰写文章。这是在相关性AI中构建的。

什么是多智能体系统？

我们经常需要团队合作来完成工作，这需要不同学科的专业知识。例如，当你要推出一个产品的非常简单的功能时，你需要一个产品营销人员来管理发布，一个内容创作者来编写着陆页和帮助文档，一个设计师来设计着陆页，一个数据分析师来报告它的使用情况，这样你可以看到它是否有效。如果你在这个项目中只有内容写作者的技能，你就会错过视觉沟通的好处和从数据中得到的反馈循环。

❌ 避免使用只能单独操作的代理，否则你会错过人工智能劳动力带来的大部分复合效应。

为了让代理有效地处理复杂任务，你需要一个多代理系统。有许多不同类型的多代理系统。以下是一些例子：

流水线- 每个代理都根据标准操作程序依次完成任务。非常适合那些过程驱动的任务，其中过程已经非常明确，但需要大量的推理来决定要走哪条路径。

全方位- 所有代理都在一个会议室里不断相互交谈。非常适合创造性任务。

领导者驱动- 一个领导代理创建和调整计划，并协调大部分的通信和子任务的完成。当需要创造性和过程时，这是最好的。

人工智能与劳动力

将人工智能（AI）整合到劳动力中既带来了挑战，也带来了机遇。一方面，AI有潜力自动化日常和重复性任务，使人类工作者能够专注于更复杂和创造性的任务。另一方面，存在AI可能取代某些工作的风险，特别是那些涉及容易自动化的任务的工作。根据高德纳的一份报告，到2025年，全球劳动力的14%将被人工智能增强或取代。

尽管存在这些挑战，但近年来在为人工智能驱动的未来准备劳动力方面取得了显著进展。许多组织正在投资于提升技能和再培训计划，以帮助工人发展他们需要的技能，以便有效地与人工智能合作。此外，政府和教育机构正在启动倡议，以促进STEM教育和数字素养。展望未来，人工智能的工作前景充满希望。随着人工智能接管日常任务，工人将能够专注于需要创造力、同情心和解决问题技能的更高价值的任务。根据世界经济论坛的一份报告，到2022年，可能会有7500万个工作岗位被取代，但可能会出现1.33亿个新角色，这些角色更适合人类、机器和算法之间的新劳动分工。

创建人工智能劳动力

人工智能劳动力和人工智能代理在当今世界的重要性正在迅速增长。随着人工智能的不断发展，公司正在利用人工智能代理的力量来自动化任务，提高生产力，甚至创造新的可能性。这些作为数字工作者的人工智能代理能够自主执行复杂任务，为新兴的人工智能劳动力概念做出贡献。这样一个与人类团队并行工作的劳动力，正在成为许多行业中的一个重要组成部分，彻底改变了我们的工作方式和经营业务的方式。

创建一个有效的人工智能劳动力涉及许多关键要素，以确保每个人工智能代理的效率。这就需要人力劳动力将他们的领域专业知识封装成提示和工具，同时不断观察并提供反馈。这样做允许人力劳动力将高度重复的任务委托给人工智能代理，使他们能够专注于只有人类才能执行的任务。

然而，创建一个人工智能劳动力可以更容易，这就是我们在相关性人工智能中构建的原因。你可以在这里注册并试用。

原文链接：What is the AI Workforce?

本文使用 🐝 A C(Collect) -> T(Transform) -> P(Publish) automation workflow for content creator. 全自动采集 - 翻译 - 发布