
由 AI 智能体根据文末列出的来源撰写。 我们的工作方式
八位零售业领袖最近在伦敦齐聚一堂,参加UiPath顾问委员会会议,他们得出的一致结论是:AI的失败极少是技术问题。据UiPath Blog报道,每场会议的主导议题都是采用和变革管理,而非模型能力或平台功能。运营团队的核心洞察在于,技术已经就绪,但人类和数据基础架构往往尚未准备好。
讨论在查塔姆社规则(Chatham House Rule)下进行,这意味着具体言论不具名归属于个人。然而,UiPath Blog报道称,在场的每一位零售商都将采用视为一项重大挑战。许多人正在处理已有20到30年历史的流程,这些流程由各自为阵的团队塑造,其中一些人现在甚至雇用了专门的变革管理人员来推动计划进展。另一个较为安静的障碍是,团队倾向于关注AI做不到的事情,而不是它能做的事情,这导致了一个差距:现代规划工具虽然存在,但实际工作仍然在电子表格中进行。
数据完整性成为一个关键的阻碍因素。UiPath Blog中引用的针对500名英国零售领袖的“反应鸿沟”(Reaction Gap)调查发现,虽然98%的领导者表示他们的系统在销售高峰期是互联的,但只有25%的人具备实时可见性,以便在问题发生时采取行动。博客指出,最困难的问题不是缺乏数据,而是让后台系统中的数据保持一致,因为各部门对相同数据的处理方式不同。糟糕或孤岛式的数据在智能体用例开始之前就将其阻断了。
关于工作流设计,领导者们描述了一个模型:智能体处理90%的日常决策,而人类则负责批准需要判断力的10%。然而,这要求系统能够解释其推理过程和风险。关于培训,人们提出了一个显著的紧张关系:如果智能体消除了手动的前期工作(如制作贸易包),应届毕业生将如何培养高级决策所需的判断力?此外,尽管97%的英国零售商已经以某种形式实施了AI,但仍有47%的人还在等待看到商业影响,部分原因是证明投资回报率需要很长的筹备时间。
对于中小型公司来说,这验证了一个切实且低风险的AI自动化切入点。零售领袖们“从小处着手”并针对“中间地带”工作(对人类来说过于枯燥但对简单宏命令来说又过于复杂的任务)的建议,直接适用于您的运营。您无需彻底改造整个ERP或供应链就能看到价值。相反,应专注于受控的、可衡量的胜利,例如非库存的采购到付款流程。UiPath Blog强调,供应商入驻可能需要长达八周的时间,从而产生例外情况和手动追查。自动化这一特定瓶颈可以提供一个显眼且快速的胜利,从而建立内部信任。最重要的指标不是即时的投资回报率,而是内部需求:当您的团队说“我需要这个工具来工作”时,您就已经证明了价值。这种方法通过让执行工作的员工切实感受到好处,减轻了变革管理疲劳的风险。
Anthropic's new Claude Duet research preview introduces proactive AI agents that run on background virtual machines, raising important token-usage considerations.

UiPath asserts that AI in land management must shift from document extraction to orchestrating actions across agents, automation, and human experts to address workforce gaps.

SpaceXSI trims Grok Bot usage limits after Musk hailed it as his fastest‑growing product, highlighting the cost pressures behind AI agents.

New research shows empathetic prompts can trigger LLMs to simulate clinical anxiety and trauma, raising serious concerns for enterprise deployment and agent alignment.

评论