Artefact管理合伙人兼人工智能加速度 ”全球负责人Hanan Ouazan就人工智能代理人工智能加速度 的访谈

Hanan已加入 Artefact ，并始终对人工智能技术充满热情。Artefact 开发生成式人工智能解决方案方面发挥着关键作用，利用不断发展的先进技术，根据各行业的具体需求，更好地满足客户的需求。

他毕业于里尔中央理工学院和巴黎高等师范学院（ENS），并在ENS完成了MVA（数学、视觉与学习）研究型硕士学位，该项目是机器学习、数据挖掘和统计学习领域最前沿的课程之一。Hanan领导着一支由优秀工程师组成的团队，致力于人工智能应用场景的设计、开发和产业化。

人工智能代理已不再仅仅是执行自动化任务的工具。与按固定顺序执行预定义任务的RPA（机器人流程自动化）不同，人工智能代理能够适应环境，无需人工干预即可做出决策并优化流程。

这标志着向更自主、更灵活、更智能的人工智能迈出了实质性的一步。这些人工智能代理带来了全新的、更具适应性的方法，因为它们能够：

• 观察其环境，并根据数据调整其行为。
• 与多个系统交互以执行复杂任务。
• 优化并自动化流程，无需人工持续干预。

“AI代理和Agentic将成为2025年最受热议的技术术语。自动化领域的这一演进充分利用了生成式AI带来的卓越性能。我喜欢将其称为RPA 2.0，它能够融入动态工作流，并超越了单纯的助手角色。”

哈南·奥赞（Hanan Ouazan）Artefact 管理合伙人Artefact 人工智能加速度”全球负责人

RPA（机器人流程自动化）技术通过将流程分解为一系列任务，并将这些任务串联起来直至获得结果，从而实现流程自动化，通常采用“读取、提取、写入”这一简单流程。

生成式人工智能技术由三个工具要素组成：

1. LLM：起初，我们拥有的模型能够基于其知识来回答问题。
2. 助手：随后，出现了能够与知识系统对接、协助我们处理日常事务（如RAG应用等）的助手——著名的“COPILOT”。在此情境下，AI并不“执行”任何操作，而是通过丰富自身知识来辅助用户。
3. 代理：代理是一种通过观察环境并利用现有工具采取行动来实现目标的应用程序。其创新之处在于这种对环境的“感知”能力，这使得代理能够适应不可预见的事件。

这也正是它与RPA概念的不同之处。正是代理程序适应突发状况的能力，使其常被冠以“RPA 2.0”的称号！

人工智能代理在许多领域都有应用。

• 客户关系：智能聊天机器人不仅能够回答问题，还能执行具体操作（更新合同、生成发票、处理特定请求）。
• 后台：EDM 2.0、自动化文档管理、事件处理及内部请求。
• 代码编写：人工智能通过生成代码、优化脚本或自动化测试来协助开发人员。

 

“必须从流程的角度重新审视用例，而不仅仅是将其转化为人工智能。我们的目标不是简单地叠加人工智能，而是摆脱原有可能存在的限制，重新定义流程。”

哈南·奥赞（Hanan Ouazan）Artefact 管理合伙人Artefact 人工智能加速度”全球负责人

 

“我们正见证一批能够生成代码、部署代码，甚至实现复杂流程自动化的AI工具的涌现。这些技术正在深刻地颠覆软件开发领域，使应用程序的迭代升级变得更快、更便捷。”

哈南·奥赞（Hanan Ouazan）Artefact 管理合伙人Artefact 人工智能加速度”全球负责人

AI 代理主要有两种用途：

1. 快速启动（例如 Bolt）：将概念立即转化为原型。
2. 开发辅助工具（例如 Copilot、Cursor）：代码补全、重构、测试生成。

然而，这种发展并不能取代人类的专业知识。这些工具需要严格的监督，以避免结构性错误，尤其是“纸牌屋”式代码的风险——此类代码看似性能卓越，但在生产环境中却极不稳定。

如今，AI 代理与软件之间的连接主要基于特定服务的 API。例如，要与 Google Drive、Slack 和 Confluence 等系统进行通信，这涉及：

1. 整合三个 各具技术特性的独立API。
2. 为 AI 代理配置三个连接器，每个连接器都需要单独进行身份验证和配置。
3. 发起三个独立的查询，然后由代理将查询结果进行汇总或综合处理。

这一过程不仅复杂，而且难以维护和迭代，尤其是在大规模应用时。这正是Anthropic发起的、基于模型上下文协议（MCP）的倡议旨在解决的问题。这一新协议作为一种通用的标准化API，专门用于简化人工智能代理与软件之间的交互。

最后，必须认识到，AI 代理对基于三大基础构建模块（用户体验、智能、数据）的 SaaS 软件架构提出了挑战。这项技术对这三个组成部分提出了质疑：

1. 用户体验（UX）：随着人工智能代理的出现，用户交互方式正在发生变革。提示语和自动化功能取代了传统的点击操作，使得经典的用户体验不再占据核心地位。用户体验正围绕着隐形的工作流，或是适应代理需求的工作流而重新定义。
2. 洞察：自动化通常涉及多个系统之间的协作。开放、标准化的逻辑可以取代那些被封闭在孤立生态系统中的工作流。
3. 数据：数据所有权仍是实现全面整合的一大障碍。

 

“如今，SaaS 供应商已在其平台中整合了多层自动化功能，但面对多平台需求，这种做法正显露出其局限性。SaaS 的未来或许在于开放、互联且具有适应性的逻辑，从而更好地服务于企业。”

哈南·奥赞（Hanan Ouazan）Artefact 管理合伙人Artefact 人工智能加速度”全球负责人

首批人工智能助手（如微软的Copilot、谷歌和Salesforce的产品）正日益普及，但仍局限于执行简单任务。由于缺乏控制和信任，更先进的助手难以实现产业化，而自主助手目前仍处于试验阶段。

几个月前，在拉斯维加斯举行的国际消费电子展（CES）上，英伟达首席执行官黄仁勋宣称：“IT将成为人工智能代理的HR。”

据哈南·奥赞称，虽然这一愿景既引人入胜又充满挑战，但既不完全现实，也不尽如人意。

在他看来，信息技术将在这些人工智能代理的部署中发挥关键作用，但仅凭信息技术本身无法独立承担这些工具的管理工作。这需要更广泛的组织转型，以及业务部门的积极参与：

• 首要的业务挑战在于：AI代理能够实现业务流程的自动化。要对其进行监督，就需要运营团队和数据团队的共同参与。
• 一场深刻的组织变革：IT部门将负责技术维护，但治理和代理优化则由各业务部门负责。

生成式人工智能正在重塑商业格局：减少执行工作，增加监督与优化。正如工业自动化一样，必须提升技能才能有效整合这些工具。

 

“仅靠自动化是不够的：我们现在就需要重新审视业务流程，以避免不必要的复杂性。人工智能不应仅仅是多出一层，而应成为一种杠杆，帮助我们构想出更高效且适应业务需求的模式。”

哈南·奥赞（Hanan Ouazan）Artefact 管理合伙人Artefact 人工智能加速度”全球负责人