今年以來,新質生產力成為全社會關注的焦點。新質生產力的特征之一,就是深化新技術應用,尤其是AI及大模型,要加速落地到實際業務場景中,為千行萬業提質增效。
2024是大模型技術做深、價值做實的一年。3月20日,在以“新生產力,質變!”為主題的2024金智維大模型應用暨新品發布會,金智維董事長廖萬里在《共啟大模型時代的人機協同新范式》演講中提及,金智維大模型應用產品從研發到落地,都是圍繞著解決企業實際需求,實現社會價值和商業價值的目標去實現的。
具體是怎么做的呢?戰略上,金智維將RPA和大模型的融合發展,作為其核心戰略。產品上,此次發布會推出了AI Agent類新品K-Agent,以及基于K-Agent平臺打造金智維Kopilot——一個面向千行萬業的智能助手(Copilot)應用集群。
可以看到,金智維的AI探索之路,特別的地方在于,將RPA和大模型相結合,從而為AI在B端業務場景的普惠化應用鋪平道路。
RPA(Robotic Process Automation,機器人流程自動化)是一種自動執行業務流程的軟件機器人,在2000年初出現,是企業軟件領域的“前輩”。而大模型技術方興未艾,被認為是通向AGI的正確方向。
借此契機,我們來聊聊, “RPA+大模型”的雙輪驅動,能為企業智能化帶來什么變化?
務實主義,直擊大模型的落地痛點
由大模型掀起的這一波AI浪潮,已經進入到了第二年,產業界開始出現了“卷又卷不動,躺也躺不平”的神奇現象。
卷不動,是因為基礎模型的參數規模越來越大,對AI算力、高質量數據、人才等要素的投入仍在加大,這讓很多商業化路線不夠清晰、模型能力又卷不過大廠的大模型廠商,心生退意。
然而,數字經濟、產業智能化,又是當下最具確定性的高增長賽道之一。各行各業智能化升級的意愿格外迫切,對AI、大模型等數字技術的需求強烈,這時候企業一旦躺平可能就被時代甩在了身后。
在卷和躺之間,金智維將RPA和大模型融合的務實主義,為我們提供了一種可持續良性發展的思路,具體表現在:
實際。不卷基礎通用大模型,而是選擇與業內領先的基礎大模型廠商合作,避開高投入賽道,發揮自身優勢與特點,聚焦行業應用和場景,通過工程化能力,打磨出可落地的產品。
實用。企業智能化升級是一項多技術協同的綜合工程,金智維將大模型、AI、RPA等融合,多種技術各取所長,減少大模型在“幻覺”、高成本、不可解釋性等方面的挑戰,從而加速大模型應用落地,讓千行萬業真正享受到大模型給業務帶來的助益。
實效。大語言模型和RPA自動化機器人的協同,不僅能從技術層面賦能,讓企業快速接入大模型能力,還有望重構和優化業務流程,推動企業組織及運營模式的智能化轉型。相當于治標又治本,切實為企業降本提質增效,這正是金智維所追求的技術實效。
如今,千行萬企都渴望擁抱AI,但智能化究竟該如何開啟?很多人和企業是迷茫的。金智維的“務實主義”,為大模型落地構建了一個可行的途徑。那么,大模型與RPA的融合,究竟會在業務場景中發揮哪些作用?
三步走,大模型與RPA的融合之路
在務實主義的驅動下,金智維較早便對大模型應用需求做出預判,為了讓更多企業切實把握住這一波智能化機遇,更高效、低門檻地接入大模型能力,金智維提前在技術范式和架構方面做了布局,形成了大模型“三步走”戰略,以推動RPA與大模型的融合。
第一步,精調領域模型。
與業內優質基礎大模型合作,植入金智維十余年積累的行業專精知識庫,對模型開展精調訓練,形成金融等領域大模型。具備“通識能力+專精能力”的領域大模型,相當于給數字員工一個強大的“大腦”,理解和創造能力大幅提升。
第二步,構建場景級應用解決方案。
將領域大模型與RPA產品相結合,金智維針對不同行業,構建了基于語言大模型和多模態大模型的近十種智能應用解決方案,并結合實際落地應用不斷改進優化。其中,LLM讓AI Agent具備智能化決策能力,而RPA作為AI Agent的執行單元,借助RPA自動化執行能力,相當于“小腦”,可以自動分解任務并執行。
第三步,打造Al Agent 。
大小腦并用,可以讓數字員工像人一樣感知、規劃、決策、行動、與環境交互。但不同行業和企業的細分場景眾多,為每一個場景開發專屬的智能助手型數字員工,是一個極為龐大且繁雜的任務。
金智維進一步降低大模型門檻,打造了一系列AI Agent類產品。
圖形化的Al Agent開發工具K-Agent平臺,可以用最快捷的方式,實現RPA與AI Agent的融合開發,讓企業快速開發、部署各類智能助手(Copilot)型數字員工,應對不同的業務場景需求。
基于K-Agent開發的智能助手,充分發揮大語言模型和RPA的能力,依托精調的行業數字員工模型,分析任務指令,規劃操作流程,通過RPA調用對應的平臺或應用,高效優質地完成業務需求,回答用戶問題。
目前,K-Agent已經推出了面向通用場景的數十種數字助手,比如客情維護助手、營銷內容助手、輿情風控助手、業務數據查詢助手等,同時面向金融、政務等特定行業,打造了專屬場景的定制化助手。
以政務領域的政務智能助手為例,面向政務咨詢、導辦環節,以大語言模型為基礎,引入外部和本地優化的知識數據,解決和優化了大模型的幻覺問題,實現精準回答與導辦。而新技術的應用,讓政務場景的RPA應用開發效率,提升高達180%。
可以看到,大模型與RPA的融合,能夠發揮出“1+1>2”的效果,幫助企業自上而下實現原有業務流程自動化的智能升級,以及更多業務場景智能自動化的發掘與變革,進而推動企業組織架構和運營模式的智能化轉型。
人機協同新范式,開啟大模型的落地之春
從金智維的戰略動作中不難看到,在激發大模型技術價值的過程里,基于大模型融合RPA打造更智能的數字員工,可以切實幫助企業降本提質增效,是當前大模型最具可行性的落地方向,也是企業與智能化的最短距離。
但同時也要看到,ToB市場的“不可能三角”,即大規模、高周轉、高毛利不可兼得,同樣也體現在大模型產品上,表現在數字員工的普及率、性價比、利潤率。對于ToB的AI廠商來說,想打破這個“不可能三角”并非易事。
正如金智維董事長廖萬里所說,讓大模型真正做到在產業上量產實用,它的效率及成本控制必須是極致的,并且需要有載體承接,RPA和大模型技術正是“天生一對”的技術搭檔。
金智維將大模型與RPA融合發展的AI戰略,展現出一種人機協同新范式,也讓我們看到了數字員工及AI toB市場的新可能。
以質量可靠,提高普及率。金融、政務、營銷等專業領域,對生成內容的準確性、完整性都有嚴格要求,必須解決大模型的“幻覺”問題,而RPA機器人執行任務時幾乎沒有錯誤,能夠保證數據和操作的準確性。大模型+RPA可以讓數字員工不胡言亂語,保證生成內容質量,滿足產業場景的需求,從而提高企業接入數字員工的意愿。
以成本可信,提高性價比。RPA可以直接在現有的IT基礎設施上運行,無需對系統進行改動,減少了大模型的落地成本。有了大模型之后,RPA可以深層次理解行業知識、客戶需求和業務流程,更好地把握企業需求,處理更加復雜的任務和情境。金智維將RPA與大模型相結合,讓數字員工變得普惠。
以規模效應,提高利潤率。金智維不斷打磨和細化AI Agent和RPA產品,降低企業應用AI的門檻,加速推動數字員工進入千行萬業。K-Agent平臺的流程化、工業化、高效率開發能力,有望更快實現規模效應,提升AI toB項目的利潤率,這對于AI企業的良性發展非常重要。
總結一下,金智維基于RPA+LLM打造AI Agent產品,開啟組織的人機協同新范式,為企業智能化升級鋪設了一條高速路,也為大模型產業化鋪設了一條確定性的軌道。
沿著這條AI之路,金智維正在加速突圍,更快一步迎向大模型落地的春天。
審核編輯 黃宇
-
機器人
+關注
關注
206文章
27133瀏覽量
201639 -
AI
+關注
關注
87文章
26659瀏覽量
264329 -
大模型
+關注
關注
2文章
1627瀏覽量
1243
發布評論請先 登錄
相關推薦
評論