如何看待AI Agent带来的商业机会

AI Agent这个概念，眼下还处在非常早期的阶段，但各种创新苗头已经层出不穷——从探索性的研究，到概念验证，再到一些初步落地的应用，这些迹象都在暗示着：AI的潜力远比我们想象的要大。今天这篇文章，会顺着几个关键维度展开：为什么我们需要AI Agent，它带来了哪些机遇和挑战，其本质到底是一次什么样的转变，以及在这个早期阶段，什么样的团队和产品更有可能跑出来。

为什么需要AI Agent

目前基于大语言模型的应用，虽然已经改变了我们获取和处理信息的方式，但说实话，它们还做不到真正的自主运行。有些工具的确能自动执行某些特定任务，但你仍然需要手动输入一系列提示词，还得盯着输出结果看。相比之下，基于LLM的AI Agent完全是另一回事——它有能力重新设计和自动化整个工作流程，而不是仅仅把某一个环节交给机器。

AI Agent的能力不止于简单的任务自动化。它可以重新设计工作流的逻辑，模拟复杂场景，还能大幅度减少人类在各个流程中的介入。它能自主规划如何端到端地执行一项任务，比如反复调用LLM的API，从一个应用向另一个应用请求数据或服务，监控输出，调用其他工具来完成既定目标。未来，AI Agent可能会渗透进各行各业：跑大规模仿真、重新设计营销活动、甚至自动化复杂的研发测试流程。从LLM到AI Agent，这其实是朝着真正意义上的人工智能迈出的关键一步——能够独立运转，不再需要人类时刻盯着。

机遇与挑战

先看市场规模。根据marketsandmarkets的报告，自主AI与自主Agent在2023年的估值是48亿美元，预计2023-2028年间的复合年增长率会超过43%，达到285亿美元。我们正处在一个范式转换的边缘——这不只是技术进步的问题，更关乎我们如何重新定义工作、生产力和创新。不过说实话，到目前为止，还没有人能完全理解这场大规模转变会带来什么影响，我们能做的也只是推测。尽管在研究和概念验证上已经取得了一些进展，但所有人都在摸索，试图理解和预测如何真正发挥AI Agent的全部能力。

目前我们观察到三个比较明显的趋势：一是LLM能力和效率的提升，给了我们更多可能性；二是LLM推理成本在下降，这促进了AI Agent的普及和接受度；三是LLM的民主化，无论开源还是闭源，都让更多人能去探索和实施AI解决方案，创新的速度自然就快了。

当然，像任何碘伏性技术一样，挑战也不少。最核心的有两个：

1. 安全性与准确性。
   人们越来越关注开发可靠的基础设施，确保AI Agent安全、符合伦理。对于很多行业和企业来说，没有犯错的空间。如果一个LLM哪怕只有0.1%的幻觉率，它就不能被用在任何关键流程中。

2. 人类与AI的互动。
   这里的核心问题是：人类应该多大程度上和自主软件互动？人们担心AI系统在没有足够人类控制的情况下运行会出问题——到底多少自主权是合适的？同时我们也得想清楚，人类在“循环”中参与多少才合适，什么样的互动程度既能提高安全性，又能限制偏见、减少人为失误。这个问题目前还没有最优解。

Agent的本质：从任务导向到目标导向的转变

AI Agent带来的最大变化之一，就是推动我们从任务导向转向目标导向。今天你对着电脑说“帮我写一篇关于AI Agent的文章”，它会给出一些回应。这本质上还是一个任务导向的指令，你仍然需要根据自己的目标和语气来调教模型。

而AI Agent的力量恰恰在于目标导向。未来不再是给出一连串的步骤描述，或者堆砌复杂的提示词。你只需要提出一个目标：“帮我在上海办一场活动，邀请100位想了解AI如何渗透医疗保健市场的专业人士。”这是一种全新的思考和协作方式，我们必须转变思维，思考如何定位自己、定位工作、定位和计算机的协作方式。随着AI融入商业，传统的商业化策略也在被重新评估。现在ToB软件，客户买的通常是使用权和服务；ToC端，用户主要在App里消费。有了AI Agent，软件公司卖的可能不再是工具，而是“结果”。问题来了：消费者和企业会愿意为这个结果买单吗？

在早期阶段的成功取决于什么

评估AI Agent解决方案时，有三个因素很关键。

第一，创始人。创业者的市场契合度、个性、对问题的执着程度、以及是否能跳出现有范式去思考问题——这些在AI Agent领域尤其重要。因为变数太多了，今天构建的解决方案可能明天就不适用了，但创始人是不变的。所以他们能不能接受未知，有没有可塑性和灵活性来适应高速变化的市场，往往是决定因素。

第二，市场。是否存在一个足够大的可解决问题的市场，以及可规模化的收入机会。传统行业和相对新兴的市场都可能有机会，前提是这个解决方案或工具能比旧方法实现大幅改进。

第三，工具能否在未来以AI为中心的软件环境中兼容并增强运作。换句话说，这个解决方案能不能无缝集成到未来的软件技术栈里，发挥赋能作用。目前还很难做出准确的成本预测。现阶段，AI企业的盈利能力比SaaS企业低，所以短期内必须在提高AI效率和降低运营成本上有所突破，才可能持续。理想情况下，AI领域会出现类似摩尔定律的飞跃——随着投资增加，电力和芯片成本都会下降。如果我们能找到那个平衡点，让AI既创新又经济可持续，那才算真正成功了。

结语

有人说ChatGPT的横空出世是AI的“iPhone时刻”，我其实不太确定。至少到目前为止，这些聊天机器人还没有做出真正有增值意义的事情，更多是简化了我们现有的工作流程。它们让任务更易管理，但我们的方法本质上还是任务导向。或许真正的iPhone时刻，是AI Agent成为B2B应用默认标配的那一天——在较少的人类参与下，真正实现战略目标。到那时，它才会对未来的工作产生真正碘伏性的影响。