在过去的24年里，微软的Amanda Silver一直在帮助开发者工作——近年来，这包括为人工智能构建工具。经过GitHub Copilot的一段时间的工作后，Silver现在是Microsoft CoreAI部门的高级副总裁，在那里她致力于为企业内部的应用程序和代理系统开发工具。
Silver的工作重点是在Azure内的Foundry系统，这是一个旨在为企业提供统一人工智能门户的系统，让她能够从近距离观察公司如何实际使用这些系统以及部署哪里会出现缺口。我与Silver探讨了企业代理当前的功能及其为何被认为是自公有云以来初创企业的最大机会。
你的工作侧重于面向外部开发者的微软产品——通常这些都不是专注于AI的企业。你如何看待AI对那些公司的影响？
我认为这是一个与转向公有云同等重要的转折点，因为云计算使得企业不再需要拥有用于托管硬件的空间，并且他们也不需要投入大量资金购买用于实验室的设备。一切都变得更加便宜。
现在代理人工智能将继续降低软件运营的整体成本，因为许多建立新业务所需的工作——无论是支持人员、法律调查等——都可以更快、更便宜地由AI代理完成。我认为这将导致更多的企业和初创公司成立，并且我们会看到具有较少创始人股权的高估值创业公司。
这种实际情形是怎样的？我们确实看到了多步骤代理人被广泛用于各种不同的编码任务，比如开发人员必须维护代码库的最新版本，依赖于旧版本的.NET运行时或Java SDK。我们可以利用这些代理系统来推断整个代码库，并大幅度简化这一过程——时间可能减少70%到80%——而这需要部署一个可多步骤操作的代理。
现场运营也是一个例子——如果你思考维护网站或服务，当出现问题时，深夜会响起一声巨响，这时有人必须被叫醒去应对突发事件。我们仍然有24/7的人值守，以防万一服务崩溃。但过去这项工作非常令人讨厌，因为你会经常在半夜被叫醒处理这些小问题。现在我们已经建立了一个遗传系统成功诊断并在许多情况下完全解决现场运营中出现的问题，这样人类就不必在深夜被叫醒，昏昏沉沉地去终端上诊断情况了。这也大大减少了事件平均解决时间。
另一个目前的谜题是代理部署并没有像六个月前预期的那样快速发生。我想知道为什么会出现这种情况？
如果你考虑一下正在构建代理的人，阻碍他们取得成功的一个主要问题在于不太清楚代理的目标是什么。人们在如何构建这些系统方面需要文化上的转变。
他们试图解决什么样的企业用例？他们想达成什么目标？你需要对这个代理的成功定义非常清晰，并且思考给代理提供的数据以使其能够推理如何完成这项特定任务。Silver认为，这两个因素是更大的障碍，而不仅仅是部署代理时的一般不确定性。
你提到的一般不确定性在外界看来似乎是一个大瓶颈。为什么你在实践中看它是个较小的问题？
首先，我认为代理系统中将有人类参与循环会变得非常常见。
推荐意见