金智维的务实主义,打响大模型落地“突围战”
今年以来,新质生产力成为全社会关注的焦点。新质生产力的特征之一,就是深化新技术应用,尤其是AI及大模型,要加速落地到实际业务场景中,为千行万业提质增效。
2024是大模型技术做深、价值做实的一年。3月20日,在以“新生产力,质变!”为主题的2024金智维大模型应用暨新品发布会,金智维董事长廖万里在《共启大模型时代的人机协同新范式》演讲中提及,金智维大模型应用产品从研发到落地,都是围绕着解决企业实际需求,实现社会价值和商业价值的目标去实现的。
具体是怎么做的呢?战略上,金智维将RPA和大模型的融合发展,作为其核心战略。产品上,此次发布会推出了AI Agent类新品K-Agent,以及基于K-Agent平台打造金智维Kopilot——一个面向千行万业的智能助手(Copilot)应用集群。
可以看到,金智维的AI探索之路,特别的地方在于,将RPA和大模型相结合,从而为AI在B端业务场景的普惠化应用铺平道路。
RPA(Robotic Process Automation,机器人流程自动化)是一种自动执行业务流程的软件机器人,在2000年初出现,是企业软件领域的“前辈”。而大模型技术方兴未艾,被认为是通向AGI的正确方向。
借此契机,我们来聊聊, “RPA+大模型”的双轮驱动,能为企业智能化带来什么变化?
务实主义,直击大模型的落地痛点
由大模型掀起的这一波AI浪潮,已经进入到了第二年,产业界开始出现了“卷又卷不动,躺也躺不平”的神奇现象。
卷不动,是因为基础模型的参数规模越来越大,对AI算力、高质量数据、人才等要素的投入仍在加大,这让很多商业化路线不够清晰、模型能力又卷不过大厂的大模型厂商,心生退意。
然而,数字经济、产业智能化,又是当下最具确定性的高增长赛道之一。各行各业智能化升级的意愿格外迫切,对AI、大模型等数字技术的需求强烈,这时候企业一旦躺平可能就被时代甩在了身后。
在卷和躺之间,金智维将RPA和大模型融合的务实主义,为我们提供了一种可持续良性发展的思路,具体表现在:
实际。不卷基础通用大模型,而是选择与业内领先的基础大模型厂商合作,避开高投入赛道,发挥自身优势与特点,聚焦行业应用和场景,通过工程化能力,打磨出可落地的产品。
实用。企业智能化升级是一项多技术协同的综合工程,金智维将大模型、AI、RPA等融合,多种技术各取所长,减少大模型在“幻觉”、高成本、不可解释性等方面的挑战,从而加速大模型应用落地,让千行万业真正享受到大模型给业务带来的助益。
实效。大语言模型和RPA自动化机器人的协同,不仅能从技术层面赋能,让企业快速接入大模型能力,还有望重构和优化业务流程,推动企业组织及运营模式的智能化转型。相当于治标又治本,切实为企业降本提质增效,这正是金智维所追求的技术实效。
如今,千行万企都渴望拥抱AI,但智能化究竟该如何开启?很多人和企业是迷茫的。金智维的“务实主义”,为大模型落地构建了一个可行的途径。那么,大模型与RPA的融合,究竟会在业务场景中发挥哪些作用?
三步走,大模型与RPA的融合之路
在务实主义的驱动下,金智维较早便对大模型应用需求做出预判,为了让更多企业切实把握住这一波智能化机遇,更高效、低门槛地接入大模型能力,金智维提前在技术范式和架构方面做了布局,形成了大模型“三步走”战略,以推动RPA与大模型的融合。
第一步,精调领域模型。
与业内优质基础大模型合作,植入金智维十余年积累的行业专精知识库,对模型开展精调训练,形成金融等领域大模型。具备“通识能力+专精能力”的领域大模型,相当于给数字员工一个强大的“大脑”,理解和创造能力大幅提升。
第二步,构建场景级应用解决方案。
将领域大模型与RPA产品相结合,金智维针对不同行业,构建了基于语言大模型和多模态大模型的近十种智能应用解决方案,并结合实际落地应用不断改进优化。其中,LLM让AI Agent具备智能化决策能力,而RPA作为AI Agent的执行单元,借助RPA自动化执行能力,相当于“小脑”,可以自动分解任务并执行。
第三步,打造Al Agent 。
大小脑并用,可以让数字员工像人一样感知、规划、决策、行动、与环境交互。但不同行业和企业的细分场景众多,为每一个场景开发专属的智能助手型数字员工,是一个极为庞大且繁杂的任务。
金智维进一步降低大模型门槛,打造了一系列AI Agent类产品。
图形化的Al Agent开发工具K-Agent平台,可以用最快捷的方式,实现RPA与AI Agent的融合开发,让企业快速开发、部署各类智能助手(Copilot)型数字员工,应对不同的业务场景需求。
基于K-Agent开发的智能助手,充分发挥大语言模型和RPA的能力,依托精调的行业数字员工模型,分析任务指令,规划操作流程,通过RPA调用对应的平台或应用,高效优质地完成业务需求,回答用户问题。
目前,K-Agent已经推出了面向通用场景的数十种数字助手,比如客情维护助手、营销内容助手、舆情风控助手、业务数据查询助手等,同时面向金融、政务等特定行业,打造了专属场景的定制化助手。
以政务领域的政务智能助手为例,面向政务咨询、导办环节,以大语言模型为基础,引入外部和本地优化的知识数据,解决和优化了大模型的幻觉问题,实现精准回答与导办。而新技术的应用,让政务场景的RPA应用开发效率,提升高达180%。
可以看到,大模型与RPA的融合,能够发挥出“1+1>2”的效果,帮助企业自上而下实现原有业务流程自动化的智能升级,以及更多业务场景智能自动化的发掘与变革,进而推动企业组织架构和运营模式的智能化转型。
人机协同新范式,开启大模型的落地之春
从金智维的战略动作中不难看到,在激发大模型技术价值的过程里,基于大模型融合RPA打造更智能的数字员工,可以切实帮助企业降本提质增效,是当前大模型最具可行性的落地方向,也是企业与智能化的最短距离。
但同时也要看到,ToB市场的“不可能三角”,即大规模、高周转、高毛利不可兼得,同样也体现在大模型产品上,表现在数字员工的普及率、性价比、利润率。对于ToB的AI厂商来说,想打破这个“不可能三角”并非易事。
正如金智维董事长廖万里所说,让大模型真正做到在产业上量产实用,它的效率及成本控制必须是极致的,并且需要有载体承接,RPA和大模型技术正是“天生一对”的技术搭档。
金智维将大模型与RPA融合发展的AI战略,展现出一种人机协同新范式,也让我们看到了数字员工及AI toB市场的新可能。
以质量可靠,提高普及率。金融、政务、营销等专业领域,对生成内容的准确性、完整性都有严格要求,必须解决大模型的“幻觉”问题,而RPA机器人执行任务时几乎没有错误,能够保证数据和操作的准确性。大模型+RPA可以让数字员工不胡言乱语,保证生成内容质量,满足产业场景的需求,从而提高企业接入数字员工的意愿。
以成本可信,提高性价比。RPA可以直接在现有的IT基础设施上运行,无需对系统进行改动,减少了大模型的落地成本。有了大模型之后,RPA可以深层次理解行业知识、客户需求和业务流程,更好地把握企业需求,处理更加复杂的任务和情境。金智维将RPA与大模型相结合,让数字员工变得普惠。
以规模效应,提高利润率。金智维不断打磨和细化AI Agent和RPA产品,降低企业应用AI的门槛,加速推动数字员工进入千行万业。K-Agent平台的流程化、工业化、高效率开发能力,有望更快实现规模效应,提升AI toB项目的利润率,这对于AI企业的良性发展非常重要。
总结一下,金智维基于RPA+LLM打造AI Agent产品,开启组织的人机协同新范式,为企业智能化升级铺设了一条高速路,也为大模型产业化铺设了一条确定性的轨道。
沿着这条AI之路,金智维正在加速突围,更快一步迎向大模型落地的春天。
![](http://static.zhengguannews.cn/wap/assets/images/comment.png)