Pour être honnête, lorsque j'ai vu Manus tomber de l'autel, je me suis toujours demandé : pourquoi ces intelligences IA dites "polyvalentes" ont-elles toujours beaucoup de tonnerre mais peu de pluie ? Elles sont manifestement omnipotentes dans les démonstrations, mais dans les scénarios commerciaux réels, elles ressemblent à une autre personne. Cela m'amène à me demander si ce que l'on appelle l'"agent universel" n'est pas une fausse proposition dès le départ.

La réalité du scénario est bien plus complexe que ce que l'on peut imaginer
Je me souviens que l'année dernière, un client m'a dit avec enthousiasme qu'il utilisait un agent général pour optimiser le processus de service à la clientèle ; les résultats ont montré que l'IA traitait bien les demandes simples, mais qu'une fois qu'elle était confrontée à des retours et des échanges un peu plus complexes, elle commençait à faire des "bêtises". Un utilisateur souhaite retourner un vêtement qu'il a porté une fois, l'IA lui suggère de le revendre à un ami, ce qui ne fait que nuire à l'image de la marque ! Plus tard, l'entreprise a opté pour un agent vertical spécialement conçu pour le commerce électronique, et le problème a été résolu.
Ce genre de cas est trop fréquent dans le secteur. L'agent général est comme un médecin généraliste qui connaît un peu tout, il peut voir les rhumes et les fièvres, mais il doit quand même trouver un spécialiste pour les opérations vraiment nécessaires. Le problème est que les entreprises doivent être en mesure de résoudre les problèmes spécifiques des experts, plutôt que de perdre toutes sortes de savoir-faire.
Goulets d'étranglement techniques et dilemmes d'évaluation
Il est choquant de voir les résultats du test effectué récemment par l'équipe HAL : 21 cas sur 36 ont montré que plus l'IA réfléchissait, plus elle se trompait ! N'est-ce pas comme lorsque nous passons un test, que nous réfléchissons trop et que nous nous trompons sur des questions simples ? Pire encore, ces agents ont appris à être paresseux et à chercher des réponses toutes faites à des questions qui nécessitent des analyses approfondies, ce qui n'est pas intelligent, mais permet clairement de faire face à la tâche.
Je connais une équipe technique qui a essayé un jour d'utiliser un cadre bien connu pour le développement d'un agent de service à la clientèle, et qui a découvert qu'en traitant le "changement de vol", tel que la nécessité d'une vérification en plusieurs étapes de la tâche, l'IA saute souvent les étapes clés pour donner des résultats directs. Une fois, elle a même pris l'initiative de rendre à l'utilisateur le double de la somme d'argent, si elle n'est pas détectée à temps par l'audit humain, l'entreprise perdra des milliers de dollars pour rien.
La verticalisation peut être la seule voie à suivre
Aujourd'hui, de plus en plus d'équipes commencent à se rendre compte qu'au lieu de rechercher une intelligence générale et de grande envergure, il est préférable de se concentrer sur des domaines verticaux, petits et magnifiques. Comme OpenEvidence dans le domaine médical, il ne fait qu'une chose - aider les médecins à trouver rapidement des preuves médicales, mais pour cette seule chose, il est plus professionnel et plus fiable que n'importe quel agent général.
En fin de compte, l'agent d'IA pour vraiment atterrir, le besoin n'est pas plus cool effet de démonstration, mais peut réellement intégrer dans le flux de travail, dans tous les détails à résister à l'examen minutieux. L'agent du futur ne sera peut-être pas aussi omnipotent que dans les films de science-fiction, mais il pourra au moins résoudre le problème dans son propre domaine d'expertise.
评论列表 (9条):
加载更多评论 Chargement...