仅在几年前，有关人工智能 (AI) 的讨论还集中在其通过机器学习 (ML) 预测结果的能力，以及它如何使我们能够擅长优化和预测特定目标。

自从成为主流以来，全世界都着迷于如何通过由大型语言模型 (LLM) 提供支持的生成解决方案来创造输出，从而重塑我们沟通和制定战略以实现目标的方式。人工智能进化的下一个自然进展是什么？代理——行动和完成流程的能力，可以由组织预先定义，也可以由组织自己的预测和创造自行定义。具有代理功能的人工智能解决方案被称为自主代理，它将带来一系列围绕规划、沟通、执行和自学习的新功能，代表着几乎每个行业的突破性新领域。然而，与任何事情一样，企业在实施自主代理时应该预见到一些风险、收益和障碍。让我们从客户支持领域来了解一下。

对于大多数企业来说，客户支持一直是一项人力密集型、成本高昂的要求。尽管如此，迄今为止，这种做法已经从人工智能的每一次变革浪潮中看到了好处，使其成为自主代理的一个很好的用例。早期，自动聊天机器人和交互式语音应答 (IVR) 系统机器人在上下文理解和解决复杂问题方面遇到了困难，通常充当看门人或解决一小部分客户问题。它们需要不断的人工干预、培训和设计才能使其有价值——即便如此，大多数客户仍然对它们深感厌恶。大语言模型通过增强语境理解和相关性带来了显着的进步。然而，缓慢的采用率和自主权不足阻碍了该技术改变客户服务的能力。因此，基于大语言模型的人工智能代理仍然被用作看门人，尽管稍微先进一些，未能兑现完全解决问题的承诺。

当人类代理人可以自由地设计和执行计划或支持策略时，他们通常会达到预期的结果。同样，一旦人工智能具有同等水平的代理能力，它的真正潜力就会变得清晰。了解您当前的客户支持能力水平对于了解自主代理如何减少您的总体工作量并提高满意度至关重要。大多数客户支持围绕四种不同类别的客户需求。

最基本的客户需求之一是获取有关公司、其服务或产品的信息。此类案例最初是在第一波人工智能代理浪潮中实现自动化的，它们通常缺乏适当的态势感知和上下文理解来提供量身定制的个性化答案。由法学硕士驱动的人工智能代理在处理一般查询方面表现出色，通过利用公司知识库提供改进的用户体验。然而，只有当知识管理和策划计划的质量很高时，它才有效。

客户通常会寻找特定于过去经历的信息，包括访问他们自己的数据和交互历史记录。传统的人工智能代理能够从 CRM 或订购系统检索特定信息，但只能做到这一点。LLM 驱动的人工智能代理在数据之上添加一层解释，以提高同理心和客户满意度。自主代理现在能够使用现有数据，根据可用的工具获取有关客户请求的新信息。随着人工智能相关数据隐私的监管变得更加严格和明确，安全数据访问和保护将变得更具挑战性，尤其是在医疗保健或金融等受到严格监管的行业。

当客户需要下订单、取消订阅、更改支付方式、退货或执行任何类似操作时，模拟数字 IVR 的传统 AI 代理通常会向人类客户支持代理提供可用的操作列表，然后由他们执行操作代表客户。基于 LLM 的 AI 代理改进了与人类团队的路由，但仍然无法执行特定操作，除非提前规定。一旦企业给予人工智能代理更多的代理权，交易性的、可操作的请求应该是第一个考虑自动化的领域。

当客户有独特的情况或要求时，他们完全依赖于人工代理的代理行动能力。在这些场景中你还不会看到任何传统的人工智能或大语言模型。尽管如此，即使是人的接触也会引起问题。客户挂断电话或放弃聊天，然后尝试联系具有比以前更多代理权的其他人工客服的情况并不罕见。这些是自治代理将带来最大影响的场景。通过该机构在预定义的护栏内规划多种结果，然后按照最佳前进路径采取行动，他们将实现甚至人类也无法比拟的全面客户支持体验。

为了奠定基础，企业应该准备好内部系统并通过应用程序编程接口（API）进行访问。尝试聘请经验丰富、可靠的技术合作伙伴，以确保 API 转型顺利进行。公司还需要定义自主人工智能代理应该对哪些流程进行代理，然后让每个人都参与进来。各级的支持将使这一变化更具吸引力。在技术方面，组织需要进行实验和运行评估，以更好地了解人工智能代理的行为方式。一旦他们能够实现一百万种不同的结果，我们的工作就是告诉他们该选择哪些。这个过程将需要人类代理持续监控和提供输入，并随着时间的推移改进自主代理。通过更好地了解最常见的支持请求类别，企业可以通过采用自主代理并在人工智能驱动的客户服务革命中占据一席之地，为跨越大模型阶段做好准备。虽然大语言模型今天看起来很有吸引力，但那些计划推出基于LLM且没有代理机构的系统的可能会被抛在后面。