什么是 AI 代理？实用业务指南

AI 代理的定义：目标、工具与可控行动

AI 代理是一种接收目标后，使用工具执行步骤以实现目标的 AI 系统。目标确定要达成的结果，指令划定边界，工具让系统获取信息或采取行动。这使 AI 代理有别于只用来生成文本的模型。

例如，可以让 AI 代理准备客户跟进工作。它可以读取获准使用的客户记录、找出缺失信息、起草消息，并在发送前请求批准。具体流程取决于它的工具和访问权限。

自主运作不代表权限不受限制。实用的业务定义应包含权限、停止条件和人工监督。AI 代理应清楚哪些事可以做、哪些需要批准，以及何时将任务交回给人处理。

AI 代理如何运作？

AI 代理通过循环运作：理解目标、选择行动、使用工具、检查结果，再决定下一步。当任务完成、需要批准或无法安全继续时，循环就会停止。企业在实施时应明确设定这些停止条件。

• 模型：理解信息并提出下一步建议。输出仍需检查。
• 工具：提供获准的信息访问或操作能力，例如读取记录或更新电子表格。
• 记忆：保留相关任务背景或先前结果。储存的信息应有明确的访问和保留规则。
• 指令：定义目标、可接受的方法、边界，以及需要交接的情况。
• 审批：让敏感操作由人掌控，例如发送消息或更改重要记录。

企业中的 AI 代理类型

AI 代理可按预期执行的工作分类。这些类别可能重叠：客服代理可能使用工作流程工具，而数字员工可能支援多个部门。选择时应看任务、所需信息访问和操作权限，而不只是类别名称。

• 助理代理：帮助人们查找信息、准备草稿和安排工作，由人主导任务。
• 客服代理：处理客户问题和明确的服务流程，并设有转交人工处理的途径。
• 编程代理：在受控的开发环境中执行软件开发任务。
• 工作流程或后台事务代理：协调流程中的行政步骤、记录和交接。
• 电脑操作代理：在此也称为数字员工，通过操作软件界面执行任务。

按部门划分的 12 个 AI 代理实例

这些 AI 代理实例是可能的应用场景，并非对任何具体产品的功能声明。每个场景都需要合适的工具、获准使用的信息和明确的限制。在允许 AI 代理进行影响重大的更改前，先从准备或检查工作开始。

• 销售：会前根据获准使用的 CRM 记录准备客户摘要。
• 销售：起草跟进电邮，供销售人员审核和发送。
• 客户支援：根据获准使用的帮助资料回答问题，并将不确定的情况转交人工处理。
• 客户支援：在转交员工处理前，收集个案中缺失的信息。
• 营销：根据获准使用的产品信息和受众资料起草营销活动简报。
• 营销：按照品牌和宣传表述检查清单，检查内容草稿。
• 财务：标记发票差异供审核，不授权付款或更正。
• 财务：根据获准使用的记录准备费用摘要，供财务审核人员查阅。
• 人力资源：根据获准使用的文件回答日常政策问题，并将例外情况转交人工处理。
• 人力资源：准备入职任务清单，不作雇佣或访问权限决定。
• IT：按照核准程序收集问题详情，并建议故障排查步骤。
• 运营：确认所需佐证信息后，更新任务追踪表。

AI 代理、聊天机器人与自动化的区别

AI 代理、聊天机器人和自动化不是可以互换的术语。聊天机器人是对话界面。自动化是由系统而非人工执行工作。AI 代理使用工具推进目标，并根据结果作出回应。聊天机器人可以包含 AI 代理，AI 代理也可以使用固定自动化流程。

实际区别不在于系统有没有聊天窗口，而在于它能更改什么、如何选择下一步行动，以及哪些操作需要批准。详细比较请参阅 AI 代理与聊天机器人的区别。

按用途分类的 AI 代理产品实例

以下产品按类型分类，并非排名，涵盖办公辅助、编程、客户服务和数字员工。列入清单不代表适合某个特定工作流程。选择前，应检查访问要求、管控机制和任务适配度。

这些描述的范围不同：有些介绍工作用产品，有些则介绍 AI 代理或代理平台。比较时应着眼于你需要完成的工作，而不只是类别。

• 办公辅助 — OpenAI ChatGPT Work：用于项目、任务和团队的 ChatGPT。
• 编程 — Anthropic Claude Code：具备代理能力的编程工具。
• 编程 — Cognition Devin：Cognition 将其描述为自主软件工程师。
• 客户服务 — Intercom Fin：客户服务代理。
• 员工与客户工作 — Salesforce Agentforce：Salesforce 生态系统中的自主 AI 代理平台。
• 数字员工 — Terabot（我们的产品），由 AITG（我们的公司）开发：每个 AI 代理都有自己的电脑；目前处于内测阶段，凭邀请参与。

应该允许 AI 代理做什么？

只给 AI 代理完成任务所需的最低访问权限。将读取信息、准备操作和执行操作分开管理，这些是不同的权限。能起草客户回复的 AI 代理，不一定需要发送回复或更改客户记录的权限。

部署前先制定审批政策。例如，付款、删除、对外发送消息和更改敏感记录都可能需要审核。同时明确如何处理信息不完整、指令冲突或工具返回意外结果的情况。

保留操作记录，并确保可以停止 AI 代理。不只测试顺利完成的任务，也要测试例外处理。当审核人员能看清 AI 代理使用了什么信息、建议什么操作，以及该操作为何需要关注时，人工监督最有价值。

如何开始使用 AI 代理

先选择范围明确、完成条件清晰的任务。记录输入、允许使用的工具、预期输出和审批环节。相比让 AI 代理管理整个部门这种开放式指令，准备一份供审核的摘要更容易定义。

用有代表性的工作测试 AI 代理，并将输出与经过人工审核的结果比较。测试应涵盖信息缺失、记录冲突和工具故障。扩大访问权限前，先确定如何纠正错误，以及由谁负责流程。应以完成的工作和所需审核投入来评估实用性，而不是看回答听起来有多可信。

如果下一步是让 AI 代理在现有应用中执行工作，可以考虑 Terabot（我们的产品）。每位数字员工都使用独立的私有虚拟机。企业可申请邀请参与内测阶段。

全球与马来西亚团队如何选择方案

全球与马来西亚团队都应先问同样的实际问题：需要完成什么工作、需要哪些信息，以及谁能批准更改？根据组织的语言需求、访问政策、数据处理要求和现有应用评估部署方案。不要因为产品使用了“代理”这个名称，就认定它适合。

请供应商演示实际工作流程，包括例外情况和人工交接。检查信息在哪里处理和储存、如何管理权限，以及如何审计操作。这些都应实际核实，而不是默认产品具备。

如果你的工作流程主要涉及操作应用界面，可阅读什么是数字员工。文章解释了数字员工模式背后的概念。应根据流程及其风险选择实施方案，而不是只看宽泛的技术标签。