我在科技領域工作了很多年，職業生涯中見證了從個人電腦、網際網路到雲端運算和遠端辦公的數次重大變革，每一次都重塑了企業的營運方式。每一波浪潮都伴隨著預測、市場熱度，以及不少的炒作。
從許多方面來看，AI與這些變革相似，但速度截然不同。大多數新技術需要數年時間才能普及，而AI的能力似乎每週都在進步。這種速度讓人很容易將目光投向五年或十年後關於工作形態的大膽預測。但我對一個更簡單的問題更感興趣：我們今天能用這項技術做什麼？在DigiKey，這個問題首先從複雜性入手。
我們的電商平台銷售超過1700萬種產品。每天，我們的團隊都要處理海量資訊，從產品規格和定價結構，到貿易合規要求、供應商數據和客戶諮詢。挑戰很少源於專業知識的匱乏。真正的挑戰在於，高技能人才往往花費太多時間收集資訊，而用於應用知識的時間卻太少。這正是AI現在就可以發揮最大作用的地方。
我曾用「數位分身實習生」這個比喻來向我們的團隊解釋這個概念。想像一位渴望幫忙、願意承擔重複性工作，並且能夠在幾秒鐘內梳理大量資訊的實習生。他們能完成有意義的工作，但仍然需要指導和背景資訊，也需要經驗豐富的人來檢查他們的工作，並且做出最後的決定。
這就是我對AI代理的看法。AI代理通過為專家提供一個不同的起點來提供幫助。員工無需花費數小時在多個系統間追蹤資料、核對資訊或處理常規行政任務，而是可以從大部分基礎工作已完成的狀態開始。曾經耗費在流程上的時間，可以被重新投入到判斷、解決問題和與客戶互動上。
AI代理讓曾經耗費在流程上的時間，可以被重新投入到判斷、解決問題和與客戶互動上。
|
關鍵在於當AI技術掃除了一些障礙後，人們能做什麼。有時，我們將AI可以接手的工作稱為低價值工作。當這些工作被外包給「數位分身實習生」或AI代理時，經驗豐富的員工就能專注於解決更棘手的問題、服務客戶和推動創新。
當人們問起我們的AI戰略時，他們通常以為我們關注的是未來的可能性，以及如何用AI改變分銷領域。實際上，我們真正關注的是解決非常實際的業務問題，從而在今天就能解放人們的時間。
過去一年，我們遵循了70-20-10的投資模式。大約70%的AI投入用於擴展運營能力，另外20%用於提升客戶體驗，剩餘的10%則用於實驗和長期機會探索。
這一資源配置計畫反映了組織在AI成熟過程中的學習心得：最大的價值在於消除日常工作中的摩擦。
我們在會計、客戶營運和貿易合規等領域應用 AI 代理。在這些環境中，員工需要花費大量時間來收集資訊、在系統間切換，並應對複雜的業務規則。
在許多情況下，工作本身並不困難，只是量大且複雜。以貿易合規為例，要確定關稅對數百萬種產品的影響，涉及製造商、製造地點、法規和客戶需求之間錯綜複雜的關係網。其他可能出現的潛在情景會呈指數級增長。AI 尤其適合這種環境，因為它能篩選海量資訊，並呈現出最關鍵的細節。
AI能篩選海量資訊，並呈現出最關鍵的細節。
|
首個成功代理帶來的啟示
今年早些時候，我們在會計部門上線了一個 AI 代理。該代理通過審閱郵件、識別請求的操作、收集相關資訊，並向員工呈現待批准的建議，來處理客戶的匯款申請。目前該系統可自動處理約三分之二的匯款請求。
生產率的提升顯而易見，而且我們還從中獲得了許多其他寶貴的見解和經驗教訓。構建這個代理需要建立必要的基礎設施、治理體系、安全控制和營運流程，以確保系統的負責任地運行。我們瞭解了技術的優勢、短板，以及在哪些環節由人類監督依然不可或缺。
構建AI代理需要建立必要的基礎設施、治理體系、安全控制和營運流程，以確保系統的負責任地運行。
|
這些經驗和見解現在可以重複使用，機遇不再局限於單個用例。事實上，目前我們整個組織內部已有 70 多個用例處於不同程度的採納階段。一旦掌握了模式，一系列全新的可能性就會打開。你可以開始審視整個組織，反復追問同一個問題：哪些工作需要人們在多個系統間跳轉、收集資訊，並根據既定業務規則做出決策？這些通常是 AI 輔助工作流的絕佳候選物件。凡事開頭難，讓第一個營運代理成功上線最具挑戰性。現在，我們可以專注於推廣我們所學到的東西。
最難的部分與技術毫無關係
AI 技術正以非凡的速度持續改進。一年前還看似不可思議的事情，如今借助成功的代理可能已變得稀鬆平常。更大的挑戰在於幫助人們適應一種不同的工作方式。
以往，我們大量的時間被行政工作佔據。隨著這些行政任務日益自動化，一個新的問題出現了：人們應該如何利用節省下來的時間？
這個問題比聽起來更難回答。人們很容易將釋放出的時間視為系統中的富餘資源，但實際情況並非如此。那些過去花一上午時間追蹤資料的員工，現在被期望用這段時間更深入地思考眼前的問題，例如發現報告遺漏的資訊、?明供應商找到解決方案，或者與客戶進行有效溝通，而不僅僅是處理他們的請求。
這種時間分配方式的轉變並非DigiKey獨有，每個嘗試使用AI的組織都將面臨類似的轉變。艱難的不再是關乎技術，而是關乎文化、領導力，以及當瑣碎工作消失後，如何重新定義「優秀的工作表現」。能夠想通這一點的組織，將領先於那些僅僅購買了工具的公司。
密切關注的方向
如果非要指出一個值得更多關注的趨勢，那將是開源 AI 模型的快速發展。大多數人想到 AI 時，腦海中浮現的是少數幾個知名品牌。這些平台固然重要，但同時也有越來越多的專業模型不斷湧現，它們在特定領域的表現極為出色，而且成本通常要低得多。
這一點之所以重要，是因為AI正越來越多地成為一個經濟學議題，而不僅僅是技術議題。
選擇合適的模型就像選擇合適的工具。通用型模型可能非常適合某項任務，而一個更小、更專注的模型可能以極低的成本為另一項任務提供相媲美的結果。
隨著各個組織大規模採用AI，這些決策變得愈發重要。能從AI中創造最大價值的公司，將是那些理解哪種模型適合哪個問題，並能持續做出正確決策的公司。
對未來的看法
每當有人問我AI在五年或十年後會是什麼樣子，我都會想起以前圍繞個人電腦、網際網路和雲端運算的那些類似討論。在某個時刻，技術本身會逐漸隱入幕後。
沒有人會在自我介紹時說「我用網際網路工作」，也沒有人會把筆記型電腦描述成一項創新戰略。這些工具只是成為了商業運作的一部分。我相信AI正朝著同樣的方向發展。
未來不太可能只屬於那些能夠接觸到AI的組織，因為獲取AI的門檻正變得越來越低。真正的差異化因素將在於知道如何深思熟慮、安全且負責任地運用這些工具。在於理解自動化在哪裡能創造價值，以及人類的判斷在哪裡仍然不可或缺。
舊規則依然適用。組織必須認真考慮治理、安全、支出和問責制。AI並沒有消除這些責任。如果非要說有什麼不同的話，那就是它讓這些責任變得更加重要。
儘管關於AI的討論甚囂塵上，但我仍然堅信，最重要的變數始終是人。AI可以處理資訊並?明我們駕馭複雜性。然而，人類的專業知識以及經驗豐富的員工的判斷力永遠是最重要的。
作者簡介
DigiKey的AI與智慧自動化副總裁
|
Nick Krmpotich是DigiKey的AI與智慧自動化副總裁。DigiKey是全球領先的電子元器件和自動化產品分銷商，提供來自3,000多家優質品牌製造商的1,740多萬種元器件。
