Microsoft 在商業 AI 方案上以 Copilot Studio 平台為主，最近更為其增添兩項重要功能，進一步鞏固其在企業 AI 代理生態系統的競爭力。新功能包括深度推理能力，使 AI 代理能夠通過謹慎、有條理的思考來解決複雜問題，以及代理流程，將 AI 靈活性與確定性業務流程自動化相結合。同時他們還推出了兩個專門針對 Microsoft 365 Copilot 的深度推理代理 Researcher 和 Analyst，追上 AI 深度研究的趨勢。
Microsoft 的分析師代理優勢
Microsoft 企業及行業 Copilot 企業副總裁 Charles Lamanna 表示：「我們已有客戶部署了數千個代理。你開始擁有這種代理型勞動力，無論工作是什麼，你可能都有一個代理能幫助你更快完成。」
雖然 Researcher 代理與 OpenAI 的 Deep Research 和 Google 的 Deep Research 等競爭對手提供類似功能，但 Microsoft 的 Analyst 代理代表了一種更具差異化的產品。這款代理被設計為個人數據科學家，能夠處理各種數據源，包括 Excel 文件、CSV 和文件中的嵌入表格，通過代碼執行和視覺化生成洞見。
Lamanna 強調：「這不是現成的基礎模型，這是在核心模型基礎上進行了相當多的擴展、調整和訓練。」Microsoft 利用其對 Excel 工作流程和數據分析模式的深刻理解，創建了一個與企業用戶實際數據工作方式相符的代理。
Analyst 能自動生成 Python 代碼處理上傳的數據文件，生成可視化效果，並提供業務洞見，無需用戶具備技術專業知識。這使其在財務分析、預算預測和運營報告等通常需要大量數據準備的用例中特別有價值。
深度推理：為企業代理帶來批判性思維
Microsoft 的深度推理能力將代理的能力從簡單的任務完成擴展到複雜的判斷和分析工作。通過整合先進的推理模型（如 OpenAI 的 o1）並將其連接到企業數據，這些代理能夠更有條理地處理模糊的業務問題。
系統會動態決定何時啟動更深層次的推理，可以基於任務複雜性隱式啟動，或在用戶包含「對此進行推理」或「認真思考這個問題」等提示時顯式啟動。在後台，平台分析指令、評估上下文，並根據任務需求選擇適當的工具。
代理流程：重新構想流程自動化
Microsoft 還引入了代理流程，通過結合基於規則的工作流程與 AI 推理，有效地發展了機器人流程自動化(RPA)。這滿足了客戶將確定性業務邏輯與靈活 AI 功能相結合的需求。Lamanna 解釋：「有時他們不希望模型自由發揮。他們不希望 AI 自行做決定。他們希望有硬編碼的業務規則，其他時候，他們確實希望代理自由發揮並做出判斷。」
這種混合方法實現了智能欺詐預防等場景，代理流程可能使用條件邏輯將較高價值的退款請求路由到 AI 代理，以根據政策文件進行深度分析。
英國寵物用品零售商 Pets at Home 已經部署了這項技術用於欺詐預防。Lamanna 透露，該公司通過實施這項技術節省了「超過一百萬英鎊」。同樣，陶氏化學通過基於代理的優化實現了「運輸和貨運管理節省數百萬美元」。
AI 深度研究市場競爭越演越烈
雖然 Microsoft 目前似乎在企業代理部署方面處於領先地位，但競爭正在加劇。Google 已擴展其 Gemini 功能用於代理和代理編碼，而 OpenAI 的 o1 模型和 Agents SDK 為開發者提供強大的推理和代理工具。大型企業應用公司如 Salesforce、Oracle、ServiceNow、SAP 等都在過去一年為客戶推出了代理平台。同樣在週二，AWS 發佈了一個 AI 代理，稱為 Quicksight 中的 Amazon Q，讓員工能夠通過自然語言進行數據分析，無需專業技能。
對企業而言，代理技術已從實驗階段發展為具有可衡量投資回報的實用業務應用。平台選擇越來越取決於與現有工具和數據的整合。在這個方面，由於 Microsoft 在 Excel 和 Power Automate 等應用範疇擁有大量用戶，它在許多應用範疇具有優勢。
Microsoft 的生態系統，使組織能夠將 AI 從簡單的工具轉變為真正的數碼助理。隨著這些技術的成熟，企業將發現 AI 代理不再是未來的願景，而是當前能夠提供實質性業務價值的策略資產。那些能夠有效整合這些技術的企業將在數碼轉型競賽中處於領先地位，實現更高效率、更好決策和更強競爭優勢。
來源：VentureBeat
