24年来，微软的阿曼达·西尔弗一直致力于帮助开发者——而最近几年，她的重心转向了打造AI工具。在长期负责GitHub Copilot项目后，西尔弗现任微软核心AI部门的企业副总裁，专注于为企业部署应用程序和智能体系统开发工具。
她的工作聚焦于Azure内部的Foundry系统，该系统被设计为企业统一AI门户，这让她能近距离观察企业如何实际使用这些系统，以及部署在哪些环节容易出问题。
我与西尔弗探讨了企业级智能体的当前能力，以及为何她认为这是自公有云以来初创企业面临的最大机遇。
您的工作主要面向外部开发者——尤其是那些原本不专注AI的初创公司。您如何看待AI对这些公司的影响？
我认为这对初创企业来说是一个分水岭时刻，其深刻程度不亚于向公有云的迁移。回想一下，云对初创企业产生了巨大影响，因为它意味着他们不再需要物理空间来托管服务器机架，也无需投入大量资金购买硬件部署在实验室等。一切都变得更便宜。现在，智能体AI将再次持续降低软件运营的整体成本，因为创办新企业涉及的许多工作——无论是客服支持、法务调查——大量环节都能通过AI智能体更快、更便宜地完成。我认为这将催生更多企业和初创公司涌现。我们将看到估值更高、但核心团队更精简的初创企业。这是一个令人兴奋的新世界。
这在实践中具体是怎样的？
我们确实看到多步骤智能体正广泛应用于各类编码任务。举个例子，开发者维护代码库时必须确保其依赖的库版本保持最新。你的代码可能依赖旧版本的.NET运行时或Java SDK。我们可以让这些智能体系统对你的整个代码库进行推理分析，更轻松地将其更新至最新状态，所需时间可能减少70%到80%。而这确实需要部署多步骤智能体才能实现。
在线站点运维是另一个例子——想象一下维护网站或服务时出现故障，深夜警报响起，必须有人随时待命被叫醒去处理事故。我们确实仍需要人员24/7待命，以防服务中断。但这曾经是一份令人头疼的工作，因为你会经常因这些小事故被吵醒。现在我们构建了一套智能系统，能成功诊断并在许多情况下完全化解在线站点运维中出现的问题，这样人类就不必在半夜被叫醒，昏昏沉沉地坐到终端前试图诊断问题所在。这也帮助我们大幅缩短了事故解决的平均时间。
当前另一个谜题是：智能体部署的速度并没有我们六个月前预期的那么快。您认为原因是什么？
如果你思考一下构建智能体的人们，阻碍他们成功的因素，很多时候归结为并不真正清楚智能体的目的应该是什么。在人们构建这些系统的方式上，必须发生一场文化变革。他们试图解决什么商业用例？想要实现什么目标？你需要非常清晰地定义这个智能体成功的标准。你还需要思考：我提供给智能体什么数据，让它能够推理如何完成这项特定任务？
我们认为这些是更大的绊脚石，而不是部署智能体所带来的普遍不确定性。任何去考察这些系统的人都能看到投资回报。
您提到“普遍不确定性”，从外部看这似乎是个巨大障碍。为什么在实践中您认为它不那么成问题？
首先，我认为智能体系统将非常普遍地采用“人在回路”场景。以包裹退货为例。过去，退货处理流程可能90%自动化，10%需要人工干预，需要有人查看包裹，判断损坏程度，再决定是否接受退货。
这是一个完美的例子，如今计算机视觉模型已经非常出色，在许多情况下，我们不再需要那么多人工监督来检查包裹并做出判定。当然仍会存在一些边界情况，可能计算机视觉还不够好做出判断，可能需要升级处理。这有点像：你需要多频繁地请经理介入？
有些事情永远需要某种程度的人工监督，因为它们至关重要。比如产生合同法律义务，或将代码部署到可能影响系统稳定性的生产代码库中。但即便如此，问题仍在于：在自动化流程的其余部分，我们能做到什么程度。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/241264.html