人工智能代理正在从演示转向生产工作负载,接触真实数据、真实系统和真实业务成果。根据 G2 的 2025 年人工智能代理洞察报告,57% 的公司已经在生产中运行人工智能代理,这清楚地表明这不再是实验性的。然而,生产部署带来了新的运营负担:工具访问控制、可审计性、偏差检测和失控成本预防。 这种转变要求 IT 和技术领导者制定新的运营纪律。 AgentOps 是代理操作的缩写,是一组新兴的实践,用于管理生产中人工智能代理的整个生命周期。它将原则从 DevOps 和 MLOps 扩展到代理系统,重点关注可靠性、治理、透明度、安全性和成本控制。 与传统的软件操作不同,AgentOps 必须应
模型性能的进步(例如,Claude Opus 4.6 的混合推理和一百万个令牌上下文窗口)和代理工具设计的进步(规划工具、文件系统使用、技能和护栏)意味着以前超出人工智能代理范围的关键业务流程现在可以在生产中实现。 但仅靠模型收益还不够。将它们与可维持上下文、智能管理工具和调整计划的高级代理运行时相结合,可以为需要数小时或数天展开的复杂、跨系统工作流程解锁企业级可靠性。 直到最近,大多数代理都符合我们现在所说的标准代理,您可能已经看到过类似的方法,被描述为“浅代理”、“代理 1.0”或“工具调用代理”。 在实践中,标准人工智能代理实现了 ReAct 式的循环:模型通过思考→行动(工具
人工智能正在改变软件交付的动态。代码的创建速度更快,更改频率更高,并且可以在日益复杂的应用程序环境中使用。这种转变给质量团队提出了一个新问题:如何在不失去控制的情况下跟上步伐? 当今的许多人工智能测试功能都有助于加速单个任务的速度。他们可以生成测试、总结结果或协助自动化创建。这些收益很重要。 但下一个测试时代可能不再是由孤立的人工智能功能来定义,而是更多地由组织如何有效地在整个企业中运营人工智能来定义。 这就是代理软件测试开始的地方。 代理测试需要的不仅仅是嵌入现有工具中的人工智能。它需要一个企业基础,可以在整个生命周期中利用内置代理,支持针对特定环境定制的自定义代理,跨人员和
过去两年,企业领导者一直在为代理人工智能构建案例。概念证明。飞行员。给房间留下深刻印象的内部演示。其中很多工作都是有希望的。 但我不断从客户那里听到的是,有效的人工智能试点与生产中运行的流程之间的差距比任何人预期的都要大。技术不是问题。面临的挑战是让人工智能在实际运营业务的复杂、高风险流程中可靠地运行。 客户不仅仅需要平台。他们想要结果。从头开始构建端到端代理流程(即使使用出色的工具)也需要时间、领域专业知识和大量精力来实施、评估和控制结果,以确保可预测性。这些模式是众所周知的。这些过程虽然复杂且动态,但却是可重复的。我们缺少的是从平台功能到业务成果的更快、更安全的途径。 这就是为什
性能测试存在品牌问题。 一路走来,性能测试成为了专家的领域,这些专家以百分位数进行讨论,调整线程池,并在上线前两周加入该过程。这种模式曾经有效。现在不再了。 现代应用程序跨越遗留系统、API、AI 服务、UI 层和第三方集成。它们每周都会进化。有时每天。客户希望一切都是即时的。新的停机时间很慢。 性能不能再停留在周期的末尾。它无法与一小群专家共存。它必须成为一种共享能力。 为什么性能测试感觉如此困难 团队不会因为不在乎而跳过性能测试。他们跳过它,因为这个过程感觉很繁重。传统测试通常依赖于单独的工具、自定义脚本、专用基础设施和特定领域的专业知识。它在发布周期的后期运行,此时时间紧迫、
受到严格监管的行业正在努力摆脱代理人工智能试点陷阱。例如,虽然 78% 的财产和意外伤害保险公司采用了最新的人工智能,但只有 4% 的保险公司在其理赔业务中进行了扩展,只有 27% 的保险公司尝试了端到端理赔转型。对于几乎所有人来说,人工智能应该提供最大价值的主张仍然停留在概念验证阶段。 如今,人工智能驱动的编码工具让每个人都感觉自己像一个构建者,企业鼓励团队使用最新的人工智能助手进行原型设计。然而,虽然许多小规模的个人生产力试点取得了成功,但利用人工智能改变交易流程却非常困难。将人工智能嵌入到最关键和最复杂的流程中不仅仅是一个编码挑战,而且是信任、一致性和合规性的挑战。这就是当今许多领先
近年来,人工智能的引入增加了企业自动化的力量和影响,使我们能够努力提高效率和生产力。与此同时,这些自动化所支持的流程也变得越来越复杂。投资涌入孤立的企业系统,现在平均每个大公司在其工作流程中使用超过 175 个企业应用程序。数据变得更加孤立,流程更加碎片化。工作流程中的许多决策并不明确,需要人们介入——所有这些都增加了运营负担。最后,这些流程的复杂性意味着它们无法集中监控、优化或完全自动化。 自动化的新时代——代理自动化——提供了一条新的前进道路。代理自动化将代理、机器人、人工智能和人员相结合,甚至可以实现最长、最复杂的端到端流程的自动化。它将在不同的系统之间轻松工作,为整个企业带来转型成果
麦肯锡预测人工智能将成为全球生产力的巨大推动力 。普华永道估计人工智能可为全球经济贡献高达 15.7 万亿美元 到 2030 年。世界各地许多政府都认识到这一点,并采取措施最大限度地发挥其对经济的积极影响,其中包括英国 (UK)。其最近宣布的人工智能机会行动计划:提升英国在开发和实施人工智能方面的作用的 50 条建议。 英国政府的 2025 年人工智能机会行动计划标志着政府对人工智能为英国经济提供的机会的重大认可。 我们欢迎这一前瞻性战略,并很自豪能够实现其目标,特别是在医疗保健以及英国人才和创新的培养方面。 对人才和创新的承诺 人才和创新是 UiPath 使命的核心,我们很高兴看到
像 DeepSeek R1 这样的新人工智能模型有着巨大的前景,但也引发了有关治理、安全和避免供应商锁定的关键问题。 UiPath 相信企业可以毫不妥协地实现创新和安全。在本文中,我将分享我对 DeepSeek R1 发布以及 UiPath 如何支持客户安全有效地采用尖端人工智能的想法。 DeepSeek R1:挑战与机遇 早期分析表明,DeepSeek R1 的功能可与 GPT-4 和 Gemini 等领先模型相媲美,而成本仅为其一小部分。它的开源性质允许任何人访问和修改它,这标志着一些人所说的“人工智能的人造卫星时刻”。虽然它为客户服务或发票处理等任务提供了强大的文本和多模式功能,但它也
自诞生以来,自动化的故事一直是线性进步的。从机器人流程自动化(RPA)到智能文档处理(IDP),每一项新的创新都使企业变得更加高效、盈利和敏捷。 但现在,更大的事情正在发生。一项新技术——代理自动化——正在颠覆这种渐进式改进的循环,开启我们从未见过的工作流程重塑。 代理自动化不是专注于单个任务,而是利用机器人、人工智能和编排来处理从开始到结束的整个工作流程。代理自动化的核心是人工智能代理——可以感知环境、在不熟悉的领域导航并即时做出决策的自主软件实体。 捕捉代理自动化价值的蓝图是我们最近的季度网络广播 UiPath Live 的主题 :代理自动化之路。我们有幸邀请了全明星专家小组(人工智
人工智能代理正迅速成为企业的筹码。这些基于人工智能模型的实体能够进行高级推理、决策和持续学习。当人工智能代理有权端到端执行复杂且动态的流程时,我们称之为代理自动化。这种炒作是显而易见的——90% 的美国 IT 高管认为他们的业务流程可以通过代理 AI 来改进。 然而,代理自动化并不是一个人的团队。代理需要帮助才能访问正确的业务数据并做出准确、可靠的决策。将代理自动化视为一个管弦乐队。它需要人工智能代理、自动化机器人、工具(包括人工智能模型)和人员共同努力来实现变革性成果。 87% 的美国 IT 高管表示不同技术之间的互操作性对于成功非常重要,这并不奇怪。然而,每个管弦乐队都需要一名指挥来确保
企业已经不再玩人工智能了。他们通过代理自动化获得了真正的成果。最具前瞻性的企业正在将人工智能代理、确定性机器人和人员编排成有影响力的端到端工作流程。在我们最近的 Agentic AI 峰会上,我们展示了 UiPath 客户如何构建自主企业代理来推动转型价值并改变我们的工作方式。 最好的例子之一来自全球支付公司 WEX 的企业自动化负责人 Emily Krohne。在使用 UiPath 领导了三年的转型之后,Emily 正在推动一个代理自动化计划,以加强销售团队的准备工作并简化文档处理。请在此处查看我在 Agentic AI 峰会主题演讲中的完整采访。 在本次回顾中,我将分享 UiPath
业务的开展依赖于文档和通信。它们几乎是您能想到的所有流程的基础——任何读取或发送消息(如电子邮件或聊天)或文档的地方。因此,智能文档处理 (IDP) 市场每年增长 28.9%,预计到 2032 年将达到 178 亿美元,这一点也就不足为奇了。 IDP 通常融合多种人工智能技术,包括自然语言处理 (NLP) 和图像识别,以帮助企业快速大规模处理文档和通信。随着企业领导者拥抱人工智能代理(强大的基于人工智能的实体,能够代表人们完成工作),基于文档的流程已成为代理自动化的理想用例。将人工智能代理与机器人和 IDP 功能相结合,并由人类在循环中进行监督,可以实现快速回报并对效率产生重大影响。
刚接触代理编排? 从这里开始 . 让我们面对现实吧——人工智能代理并不容易构建或部署。但一旦它们被嵌入,其影响是令人难以置信的。我喜欢听到 UiPath 客户的意见,比如 Lantik 数字服务主管 Ainara Etxeandia Sagasti,她“将 RPA、生成式 AI 和代理技术相结合,使公共服务比以往任何时候都更容易获得、更高效、更以公民为中心”。 UiPath Platform™ 上已经构建了超过 10,000 个人工智能代理。代理可以提高流程效率和盈利能力,但他们需要强大的编排以及自动化和人员参与的帮助。 在这篇博文中,我将介绍大规模构建、测试或部署人工智能代理时最常见的痛
我们从 Microsoft Build 2025 回来了,如果有一件事是不容错过的:代理 AI 无处不在。每个人都在谈论它、构建它、测试它——而我们就在其中,将现实世界的代理自动化带入生活。 UiPath展位上气氛高涨。人们不仅仅想听人工智能代理的推理和聊天。他们想看看当人工智能代理、机器人和人类真正合作推动业务流程向前发展时会是什么样子。 我们交付了。 人工智能不仅会思考,还能完成任务 让我们以贷款发放为例。这是一个混乱的、多步骤的过程。它涉及扫描文档、从各种系统中提取数据、检查资格、与客户交谈——这种工作对于自动化来说已经成熟,但对于任何一个人工智能代理来说都太复杂,无法单独处理
纵观当今任何企业的内部,您都会发现自动化工具、数字工作流程、云平台以及现在的人工智能代理的复杂拼凑。虽然每个系统都承诺有价值,但这些系统就像不匹配的乐高积木一样堆积起来。许多人并没有带来清晰度和效率,而是带来了更大的复杂性。 大多数企业专注于快速引入人工智能代理来执行特定任务,例如支持票证自动化和合同处理。虽然这种方法带来了一些快速的成果,但它留下了很多价值,因为它无法解决流程中内置的许多低效率问题。复杂企业工作流程中的大多数低效率问题都发生在任务之间——转换、切换和手动检查点。 缺少的是端到端管理企业流程的结缔组织和智能。例如,在传统 IT 中,操作系统不仅仅运行程序,它还管理程序、分
文档是每个业务流程的基础。传统上,企业完全依赖人们来理解和处理它们,然后才发展到将人工智能和自动化相结合。随着人工智能代理(基于人工智能的软件实体能够独立规划、工作和做出决策)的出现,文档驱动的流程现在可以实现端到端自动化,从而使人们能够专注于更重要的任务。 然而,人工智能代理在一致性和规模方面遇到了困难。当被要求理解和处理少量简单文档时,典型的人工智能代理表现良好。然而,在数百、数千甚至数百万的企业规模中,准确性和性能会下降。此外,复杂的文档(包含嵌入的表格、图表和推断值等元素)对于代理来说可能是理解的真正挑战。 在这篇博客中,我将解释为什么智能文档处理 (IDP) 功能是基于文档的
我们很高兴与大家分享,UiPath 已被首届 Gartner® Magic Quadrant™ 智能文档处理 (IDP) 评为领导者。对我们来说,这一认可突显了我们在快速增长的市场中的愿景和执行力的持续优势,该市场正在改变企业在人工智能和代理自动化时代从文档中释放价值的方式。 阅读报告 . 为什么 IDP 很重要 业务中的每个流程都基于文档、消息或通信运行。从银行中的贷款申请和经纪报表、医疗保健中的医疗记录,到制造中的订单修改或销售和财务中的发票,没有一个流程或任务不需要消息或文档才能完成。 虽然大多数组织已经从结构化文档中自动提取,但大多数企业信息仍然锁定在非结构化且复杂的文档中
随处可见,人工智能正在成为头条新闻——新模型、新突破、无尽的炒作。但下一个飞跃不仅仅是更智能的模型,而是代理人工智能:人工智能不仅会生成答案,还会采取行动、做出决策并使用工具来完成工作。 一个新兴的主题是,人工智能在企业中的成功更少取决于模型本身的性能,而更多地取决于其周围的基础。如果没有合适的环境,即使是最先进的人工智能代理也会在概念验证上停滞不前。事实上,麻省理工学院最近的一项研究走红,表明企业中 95% 的生成式 AI 实施未能产生可衡量的影响,这是由于与现有工作流程的集成存在缺陷,而不是因为 AI 工具出现故障。 获胜的组织不会是那些拥有最华丽的人工智能模型的组织。他们将成为掌
这篇博文最初发布在 Peak AI 博客上 . 通过改进决策和产出来最大限度地提高业务绩效 我们每天都会做出大约 35,000 个决定。虽然 95% 是在潜意识中发生的,但其余 5%(大约 1,750 个决定)需要积极关注。这些有意识的选择最终决定了公司的业绩,在人工智能时代,我们处理这些选择的方式正在改变一切。 你的表现就是你的决定 对于任何高管或企业领导者来说,这是一个简单的事实:您的绩效与公司的产出直接相关。无论您管理的是一个团队、一个部门还是整个组织。并且,业务绩效是所有决策的总和;从日常运营呼叫到多年前的战略投资。 这创造了一个有趣的挑战。领导者对其整个组织的决策质量负责,但
自动化控制系统