跳过人工智能“竞赛”，构建自主智能体：来自 Intuit 和美国运通的经验教训

随着生成式人工智能的成熟，企业正从实验阶段转向实施阶段，从聊天机器人和副驾驶拓展到智能自主智能体领域。在 VB Transform 活动中，VentureBeat 的马特·马歇尔与 Intuit 高级副总裁兼首席数据官阿肖克·斯里瓦斯塔瓦以及美国运通执行副总裁兼首席技术官希拉里·帕克进行了对话，详细介绍了他们的公司如何采用智能体人工智能来改变客户体验、内部工作流程和核心业务运营。

从模型到任务：智能智能体的崛起

在 Intuit，智能体不仅仅是回答问题，更重要的是执行任务。例如，在 TurboTax 中，智能体帮助客户完成税务申报的速度提高了 12%，近一半的客户能在一小时内完成。这些智能系统通过 Intuit 的内部总线和持久服务从多个数据源（包括实时数据和批量数据）获取数据。处理后，智能体分析信息以做出决策并采取行动。

斯里瓦斯塔瓦表示："这是我们在金融领域对智能体的思考方式。我们努力确保在构建智能体时，它们强大、可扩展且基于现实。我们构建的智能体体验旨在经客户许可后为他们完成工作，这是建立信任的关键。"

这些能力得益于 Intuit 的定制生成式人工智能操作系统 GenOS。其核心是 GenRuntime，斯里瓦斯塔瓦将其比作 CPU：它接收数据、进行推理并为最终用户确定并执行行动。该操作系统旨在消除技术复杂性，因此开发人员在构建智能体时无需每次都重新设计风险保障或安全层。

在 Intuit 的各个品牌（从 TurboTax 和 QuickBooks 到 Mailchimp 和 Credit Karma）中，GenOS 有助于创造一致、可靠的体验，并确保在各种用例中具备强大性、可扩展性和可扩展性。

美国运通构建智能体堆栈：信任、控制和实验

对于帕克和她在美国运通的团队来说，向智能体人工智能的转型建立在 15 年以上的传统人工智能经验和成熟、经过实战考验的大数据基础设施之上。随着生成式人工智能能力的加速发展，美国运通正在重塑其战略，专注于智能智能体如何推动内部工作流程并为下一代客户体验提供支持。例如，该公司专注于开发提高员工生产力的内部智能体，如审查软件拉取请求并为工程师提供代码是否可合并建议的 APR 智能体。这个项目反映了美国运通更广泛的方法：从内部用例入手，快速行动，并利用早期的成功来完善底层基础设施、工具和治理标准。

为了支持快速实验、强大的安全性和政策执行，美国运通开发了一个"赋能层"，允许在不牺牲监督的情况下进行快速开发。帕克说："所以现在当我们考虑智能体时，我们有一个很好的控制平面来插入我们真正需要的额外保障措施。"

在这个系统中，美国运通提出了模块化"大脑"的概念，即智能体在采取行动前必须咨询特定的"大脑"。这些"大脑"作为模块化的治理层，涵盖品牌价值观、隐私、安全和法律合规性，每个智能体在决策过程中都必须与之互动。每个"大脑"代表一组特定领域的政策，如品牌语气、隐私规则或法律约束，并作为可咨询的权威机构发挥作用。通过这个约束系统进行决策，智能体能够保持问责制，符合企业标准并值得用户信任。

例如，通过美国运通的餐厅预订平台 Rezi 运行的餐饮预订智能体必须验证它是否在正确的时间选择了正确的餐厅，在符合用户意图的同时遵守品牌和政策指南。

实现速度与安全的架构

两位人工智能领导者都认为，要实现大规模的快速开发，需要精心设计架构。在 Intuit，GenOS 的创建使数百名开发人员能够安全、一致地进行构建。该平台确保每个团队可以访问共享基础设施、通用保障措施和模型灵活性，而无需重复工作。

美国运通在其赋能层采用了类似的方法。该层围绕统一的控制平面设计，使团队能够在执行集中政策和保障措施的同时快速开发人工智能驱动的智能体。它确保风险和治理框架的一致实施，同时鼓励速度。开发人员可以快速部署实验，然后根据反馈和性能进行评估和扩展，而不会损害品牌信任。

采用智能体人工智能的经验教训

两位人工智能领导者都强调要迅速行动，但要有明确的目标。帕克建议："不要等待完美的解决方案。最好选择一个方向，将产品投入生产并快速迭代，而不是为了可能在推出时就过时的完美解决方案而拖延。"他们还强调，衡量指标必须从一开始就嵌入其中。斯里瓦斯塔瓦表示，监测不是事后添加的，而是整个系统的一个组成部分。跟踪成本、延迟、准确性和用户影响对于评估价值和大规模保持问责制至关重要。

斯里瓦斯塔瓦说："你必须能够进行衡量。这就是 GenOS 的作用——它具有内置功能，使我们能够监测人工智能应用程序，并跟踪投入的成本和获得的回报。我每季度都会和我们的首席财务官一起审查这些数据。我们会逐行审查公司的每个人工智能用例，准确评估我们的支出以及所获得的回报。"

智能智能体是企业平台的下一次变革

Intuit 和美国运通是领先的企业，它们不仅将智能体人工智能作为一个技术层，更将其作为一种新的运营模式。它们的方法侧重于构建智能体平台、建立治理机制、衡量影响并快速行动。随着企业对人工智能的期望从简单的聊天机器人功能转变为自主执行，那些将智能体人工智能视为一流学科（具备控制平面、可观测性和模块化治理）的组织将最有能力在智能体竞赛中领先。