解锁Ai代理：5种方法解决最后一公里问题并转变用户体验

Agent 将解决 AI 的“最后一英里”问题，并从中大赚一笔

作者通过 Midjourney 绘制的插图

今年 1 月，OpenAI 宣布将向特定用户发布其新的 “Operator”平台。

Operator 是 OpenAI 的 AI 代理平台，目前是 AI 领域最热门的新事物。

其基本概念是，AI 不再仅仅接收查询或提示并返回信息，像 OpenAI 的 o1 或 Anthropic 的 Claude 这样的 AI 模型将能够真正为用户执行现实世界的任务。

例如，您不再只是询问您所在城镇的餐厅推荐，而是可以让像 Operator 这样的 AI 代理研究好去处、阅读评论，然后为您预订。

到目前为止，许多 Operator 技术的早期测试者都感到失望。 有人说 AI 代理的潜力被过分夸大了。

我不同意。这些评论忽略了这项技术的真正能力。当人们开始将 AI 代理用于其真正的杀手级应用时，他们释放的价值将是巨大的。

“最后一英里”问题

当 ChatGPT 等工具刚出现时，业内许多人预计它们会取代入门级工作。

当 AI 机器人可以为您校对文章或为营销演示做基本的背景调查时，您为什么要花钱请人做这些事呢？

可以肯定的是，AI 已经 颠覆了一些行业的就业。 入门级文案撰稿人经常难以找到工作，甚至像簿记这样的职能也面临一些威胁。

但在我自己的工作中，我看到强大 AI 的快速崛起实际上为入门级人员创造了更多需求，而不是更少。

要理解这一点，有助于考察 AI 擅长什么以及它难以做什么。

今天的 AI 非常擅长创建引人入胜、写得很好的内容。许多人每天都在阅读 AI 生成的内容，甚至没有意识到这一点。

然而，尽管 AI 在创建内容方面表现出色，但它仍然难以解决我所说的内容创建和发布过程的“最后一英里问题”。

最后一英里的概念来自物流。

跨洋运输货物或将其运往世界各地相对可扩展，并且通常可以实现自动化。现代技术和数百年的实践使长途运输基本上成为一个已解决的问题。

即使将物品运送到配送仓库也相当简单——我们已经有卡车和火车可以做到这一点 100 多年了。

但将这些货物运送到客户家中是事情变得复杂的地方。

在最后一英里，全球运输链的所有自动化和可预测性突然变得一团糟。

亚马逊可以很容易地将 100 万把扫帚装上集装箱船，并将它们运往世界各地。

但要将您的扫帚送到您的房子，工人需要开车穿过您的社区——处理您当地的天气和不可预测的道路封闭。

他们需要找到您的家，处理您混乱的街道（我的街道中间有一棵树！），将他们的货车停在您的退休邻居不会出来尖叫的地方，弄清楚如何处理您锁着的门，最后将您的扫帚放在您的门廊上，这样它就不会被淋湿或被盗。

然后，他们必须为另外 100 户人家和另外 100 把扫帚这样做。这种可变性使最后一英里难以自动化。最后一英里的规划通常比前 3,000 英里更难。

同样的问题也适用于 AI。

大规模生成大量 AI 内容很容易，而且其中大部分质量很高。

挑战在于最后一步——编辑和执行质量保证、将图像集成到 AI 生成的文章中、将其加载到破旧的内容管理系统中、适当地标记它，最后点击发布。

就像现实世界中的最后一英里一样，AI 内容制作的这个“最后一英里”非常难以驾驭。每个组织都使用不同的系统，有独特的内容审查流程，并依赖不同的图像或视频来源。

这就是为什么对入门级工人仍然有巨大需求的原因。人们仍然比机器更擅长驾驭内容制作的最后一英里。

具有讽刺意味的是，当 AI 使生成数千条内容变得非常容易时，雇用人员来完成这些最后一英里任务的需求实际上增加了，而不是消失了。

这就像亚马逊突然可以免费生成扫帚——但只能在其区域仓库中。

每天都有数千把免费的扫帚从他们的神奇扫帚制造机器中涌出（并且扫帚的价格仍然高于 0 美元），亚马逊将需要雇用一支司机队伍才能将所有这些扫帚送到客户的家门口，以实现其机器的价值。

引入 Agents

这就是 AI agents 的用武之地。与传统的 AI（仅处理信息并生成响应）不同，agents 可以动态地学习一个流程并在实际应用中执行它。

例如，出版商可以对 agent 进行编程，使其获取 AI 生成的文章，在 Unsplash 等平台上查找免费图片，下载这些图片，将它们插入文章的适当位置，将结果上传到他们的数字资产管理系统，添加图片署名，并发布最终作品。

同样，agent 可以处理基本的质量保证任务，例如检查文章中特定陈述的真实性，甚至向消息来源发送电子邮件以确认他们的引言。

换句话说，AI agents 将通过执行人类目前处理的最后一公里功能来闭合 AI 生成内容的处理循环。

对于学会有效使用它们的企业来说，AI agents 具有难以置信的潜力。在内容创建流程的最后阶段面临瓶颈的公司可以使用 agents 来消除这些低效率。

这就像亚马逊购买了成千上万辆自动驾驶汽车，将所有那些神奇的免费扫帚送到人们的家中。在没有人类参与的情况下，该系统可以无限扩展。

由于 agents 可以动态地适应系统变化，因此从长远来看，它们也比当前用于自动化内容发布的系统更具通用性。

例如，agents 不会被新的登录页面格式或意外的弹出广告等小中断所阻碍——这两种情况都可能轻易破坏传统的自动化流程。

因此，与许多 AI 一样，消费者看到并与之交互的 AI agent 用例仅仅是更大冰山的一角。

对于消费者来说，让 AI robot 将杂货添加到你的 Instacart 或预订航班似乎很蠢，因为你可以轻松地自己处理这些任务。

这是因为，对于消费者来说，AI agents 确实毫无意义。自动化一次性任务是一场注定失败的游戏——对于大多数事情来说，你最好自己完成任务。

但在幕后，AI agents 将被证明是极其成功的。

它们不会做炫酷的事情，比如帮你买车。相反，它们将处理公司需要批量完成的繁琐的最后一公里工作，以充分利用 AI 系统的输出。

这就是为什么 OpenAI 首先向其每月 200 美元的 ChatGPT Pro 订阅用户推出 Operators 是有道理的。这些企业和专业人士最有可能找到该技术的真正用例。

如果你是普通消费者，你可以忘记 AI agents 甚至存在——它们不是为你而构建的。

但是，如果你经营一家依赖人员完成流程中最后一公里任务的企业，你应该积极研究 AI agents 并尽快实施它们。它们将改变一切。