为什么AI代理还没真正自动化企业流程?
Thomson Reuters Labs 的 Shirsha Chaudhuri 通过真实的企业一线经验,拆解了“AI 工作流自动化”迟迟难以落地的关键原因。问题不在模型能力,而在连接、可靠性、标准化和人与 AI 的协作方式。
Thomson Reuters Labs 的 Shirsha Chaudhuri 通过真实的企业一线经验,拆解了“AI 工作流自动化”迟迟难以落地的关键原因。问题不在模型能力,而在连接、可靠性、标准化和人与 AI 的协作方式。
一份来自KPMG的最新季度调查显示,企业正在以前所未有的速度将AI从概念验证推向真实业务。尤其是AI Agent,试点比例在一个季度内几乎翻倍。本文结合演讲者的解读,拆解数据背后的真实变化:投入为何加速、风险关注如何转向,以及企业为什么集体押注“先增强人,再谈替代”。
大多数人学 AI,卡在“会用一点点工具”。Riley Brown 在这条视频里做了一件反直觉的事:他几乎不教花哨技巧,而是给出一条从聊天、图像、视频到自动化与 Agent 的完整进阶路径。看完你会意识到,真正拉开差距的不是某个工具,而是你是否走对了顺序。
这不是科幻设想,而是Augment Code团队的真实经历:一个AI编码代理在人的监督下,写下了自己90%以上的代码。Colin Flaherty分享了这个自举型Agent从集成工具、写测试到给自己做性能优化的全过程,以及他们在实践中踩过的坑与形成的方法论。
OpenAI 发布的 o3 与 o4 Mini 并非又一次例行升级,而是一次“体验层级”的跃迁。从能把图像纳入推理,到在工具使用和反幻觉上出现突破,这期 AI Daily Brief 给出了多个真实案例,解释为什么很多一线用户觉得:这次真的不一样。
如果你还觉得“AI 写代码”只是玩具,这个视频会直接打脸。Riley Brown 几乎没亲手写一行核心代码,把设计、前端、逻辑全部交给 AI,最后做出了一款真实可用、能直接解决传播效果问题的 Web 应用。更重要的是,它揭示了一种正在成型的新工作范式。
在这期《No Priors》中,KoBold Metals联合创始人兼总裁Josh Goldman讲述了一个少见的AI落地场景:矿产勘探。与其把AI当作噱头,他们试图用数据和模型,系统性地降低找矿这件高风险事情的不确定性。
这期《AI Daily Brief》串起了四个看似分散却高度相关的故事:Cursor的爆发式增长、OpenAI对新型AI硬件的野心、DeepMind用非竞业协议锁住人才,以及Meta陷入的基准测试争议。它们共同勾勒出当下AI产业的真实图景:自下而上的工具革命、人才争夺的白热化,以及对“指标”的集体焦虑。
很多企业都在“上AI”,却答不出ROI。Booking.com与Sourcegraph分享了一条少见的路径:从真实的工程痛点出发,用AI Agent逐步吞掉软件开发中的高比例“toil”,并用严格的数据证明,开发者效率确实提升了30%以上。
如果你以为创业验证一定要先做产品,那你已经慢了一步。Kettle & Fire 创始人 Justin Mayers 在产品还不存在时,就用 50 美元广告费拿到了真实付费用户,最终做成了年收入 9 位数的品牌。这期 Greg Isenberg 的播客,把这套“反直觉但极其有效”的验证方法完整摊开。