Capgemini-利用人工智能代理推动商业价值（英）-2025_16页_1mb

详细总结：Driving Business Value with AI Agents

核心内容

本文由SAP人工智能负责人Dr. Walter Sun分享，探讨了AI在企业运营中的应用、SAP的AI战略、AI代理的演进、AI信任构建、AI投资与回报、AI的可持续性影响以及AI与人类团队的协作方式。

SAP的AI战略：3Rs框架

SAP采用“3Rs”框架来确保AI解决方案的有效性和可信度：

• Relevant（相关性）：AI必须根据业务需求进行定制，融入行业特定的背景信息。例如，美国和英国的供应链企业可能有不同的需求，AI会相应调整。
• Reliable（可靠性）：AI必须提供基于事实的准确输出，通过数据溯源和验证技术减少“幻觉”（hallucination）现象，提高准确性。
• Responsible（责任性）：AI应具备伦理性和可解释性，并符合相关法规。透明度是构建信任的核心。

AI代理的应用

SAP将AI集成到三个关键领域：

1. 原生AI集成：AI嵌入到SAP应用中，如SuccessFactors用于人力资源管理，允许用户通过自然语言生成职位描述。
2. Joule AI Copilot：SAP的数字助手，能够通过自然语言交互执行跨应用任务。例如，安排商务旅行时，Joule可协调日历、预订机票酒店、通知相关人员。
3. Business Technology Platform (BTP)：SAP的生成式AI中心，提供超过30个大型语言模型（LLMs），支持企业构建和定制AI应用。

AI代理的演进与信任构建

• AI代理的自主性是一个渐进的过程，组织可以根据任务风险设定阈值，例如小额报销可由AI自动处理，大额则需人工审批。
• 在医疗、航空航天等高风险领域，AI仍需人类监督，确保决策的可追溯性和安全性。
• 多代理AI系统通过协作完成复杂流程，如客户投诉处理，可显著提升效率和客户满意度。

AI的采用：驱动因素与挑战

驱动因素

• 效率提升：AI帮助企业节省时间，提高决策质量，自动化重复任务。
• 客户期望：企业和消费者期待智能化、无缝的交互体验。
• 竞争压力：AI被视为新一轮技术变革，企业需快速适应以保持竞争力。

挑战

• 数据质量：AI依赖高质量数据，数据治理是关键。
• 信任问题：企业需要在AI系统可靠之前建立信任，常采用“只读”模式，让AI提供建议但由人类最终决策。
• 偏见与公平性：AI模型可能继承历史数据中的偏见，需通过数据筛选和偏见缓解技术确保公平。

AI投资与回报

• 投资取决于企业规模和现有IT基础设施。大型企业可自建AI系统，而中型企业常采用SaaS平台如Joule AI。
• ROI主要来自高频率任务的自动化，如客户投诉处理、财务核对等，可显著提升生产力和服务质量。
• 许多企业在几个月内就能收回AI投资。

AI的可持续性：减少碳足迹

• AI的环境影响不容忽视，SAP提供Sustainability Control Tower帮助组织监控和优化碳足迹。
• 通过选择合适的AI模型（如轻量级模型用于简单查询），可有效降低能耗和成本。

AI与人类团队的协作

• AI的目标是增强人类能力，而非取代人类。未来将出现混合团队，AI处理日常事务，人类专注于战略决策。
• IT和HR部门将转型，IT负责AI流程的管理和集成，HR则需培训员工并开发AI监督与治理的新角色。

AI代理的未来趋势

• AI代理将更加个性化，适应不同行业和用户需求。
• 未来的AI助手将具备理解个人偏好和工作流程的能力，如自动安排会议、筛选邮件、总结市场动态等，从而显著提升工作效率。

结语

Dr. Walter Sun强调，AI是推动企业价值增长的重要工具，其成功依赖于可信度、透明度和数据治理。随着技术的发展，AI将在多个行业中发挥更深远的影响，但始终需与人类智慧结合，以实现最佳效果。