多智能体系统（上）：AI 智能体协同工作原理、优势与挑战

作者： Alex Sventeckis，翻译：老常

多智能体系统（下）：多智能体系统优势、挑战及实施指南

感觉就在不久前，企业才刚刚开始在运营中讨论人工智能。那时，人工智能的应用仅限于高度特定的用例或行业需求，但如今，“人工智能将颠覆我们所熟知的商业” 这一论断正变得尤为紧迫。

转眼间，ChatGPT 横空出世。再一眨眼，便出现了。 “而当我开始尝试使用 AI 智能体（AI Agent）时，问题随之而来：“AI 智能体如何在共享系统中协同工作？”

多智能体人工智能系统是人工智能应用之路上的又一个 “下一步”。但我认为，这是一个合乎逻辑的发展。单个 AI 智能体可以为营销团队提供帮助，而一群 AI 智能体则能真正推动业务发展。

让我们探讨一下这项技术的现状，以及如何将 AI 智能体（AI Agent）引入您的组织。

一、什么是多智能体系统？

多智能体系统（MAS）是一个由 AI 智能体（AI Agent）组成的网络，这些 AI 智能体既能自主运行，又能协作解决复杂问题。

在多智能体系统中，每个智能体负责特定的任务或领域，但会与其他智能体通信，以决定行动并根据需要进行调整。

二、多智能体系统如何工作？

IBM 相关研究表明，多智能体系统通过为智能体分配专门任务，使其在共享环境中交互来运行。这一结构与人类营销团队的运作类似：

活动策略师，负责研究目标受众和定位。
文案撰写人，负责创作吸引这些受众的内容。
视觉设计师，负责通过图像和视频吸引人们的注意力。

有些团队由一人承担多个角色（有时甚至是所有角色）。但在规模较大的团队中，每个人自主完成自己的工作，但会在团队目标和预期成果的共享框架内进行沟通。

多智能体系统的运行方式类似。每个智能体管理自己的任务，但可以相互协商、委托和学习。此外，这些智能体能够在无需人工干预的情况下应对生态系统的变化。

为了帮助理解多智能体系统的背景，我与 Lucid Services Group 的首席战略和财务官David LeVine进行了交谈。LeVine 向我解释了 AI 智能体系统如何为营销人员协同工作：

智能体 1：信息收集与规划

该智能体将 “倾听” 营销人员描述他们想要创建的活动。人类通过自然语言提供目标受众、渠道、目标和创意想法。该智能体处理这些信息，并为多智能体系统做好准备。

智能体 2：创意与开发

该智能体获取活动数据，并制定多种活动策略和创意方向。除了人类营销人员提供的内容外，该智能体还可以自主查询其他数据源和过往活动内容，以帮助制定强有力的战略角度。

这就是AI可以发挥巨大作用的地方。利用自动化的、AI驱动的工具使B2B销售代表能够使用数据大规模地优化销售流程。这一点尤其重要，因为研究表明，当今的销售人员认为数据在指导其销售策略方面越来越重要。

因此，我毫不惊讶地看到，利用AI推动数据驱动的销售策略是HubSpot调查中确定的三大AI应用场景之一。毕竟，在一个数据为王的时代，帮助销售团队理解这些数据——并确定将这些数据纳入决策的最佳方式——的工具至关重要。

智能体 3：测试与优化

该智能体可以运行模拟测试或开发 A/B 测试设置，以评估活动资产的潜在表现。它可以从客户关系管理（CRM）数据、在线调查或其他分析工具中提取信息，在人类启动活动之前对活动内容进行预测试。

智能体 4：执行与监控

该智能体启动活动（可根据需要进行人工监督）。它关注活动表现和在市场中的反响，跨细分市场和渠道调整信息、支出和定位。

持续的人工监督

AI 智能体（AI Agent）自身可以完成很多工作 —— 理想情况下，这正是目标所在。但 LeVine 指出了人类在开发和部署过程中的价值。“所有这些阶段都需要人工验证，尤其是在早期阶段，” 他说。在人类的支持下，这些多智能体系统可以调整和优化活动的影响，同时降低品牌风险。

多智能体系统 vs. 单 AI 智能体

在深入探讨多智能体系统之前，我需要指出目前向企业销售的不同类型主动式 AI（Agentic AI）之间的区别。

三、单 AI 智能体：输出

我之前在讨论营销用 AI 智能体和社交媒体用 AI 智能体时，介绍的是单个 AI 智能体。这些智能体可以与团队自主协作，通常支持非常特定的功能或任务。

其核心在于 “输出”。您可以让这些智能体访问大量数据和广泛的职能权限，但结果几乎总是一个输出。生成博客文章、总结数据报告、起草广告 —— 在智能体流程结束时，您会得到一些成果。

在当今的营销团队中，我认为这些智能体的作用类似于受过良好教育的实习生。您不会完全让它们独立工作（目前还不会），但可以相信它们会出色地完成工作。以下是这些智能体目前最适合的应用场景：

一线客户支持
内容创作
活动优化
数据分析

四、多智能体系统：协调

如果单个 AI 智能体（AI Agent）是实习生，那么多智能体系统就是一群即将毕业成为全职员工的实习生。多智能体系统仍然会产生成果 —— 它们的运作会有结果。但核心区别在于这些系统如何创造结果。

多智能体系统旨在协调。每个智能体在实现既定结果中扮演一个角色，它们相互通信以实现该目标。如果运作良好，多智能体系统给人的感觉不像是在使用工具，而更像是在管理一个团队。

尽管大多数组织仍在谨慎地探索 AI 智能体（AI Agent）的应用 ——麦肯锡相关研究表明了这一点，但多智能体系统比单个智能体更能拓展团队的技术能力。不过，我发现一些技术前沿的营销人员正在将多智能体系统用作活动管理器或提供支持。

1. 跨职能协作

过去，当我组建团队时，我会寻找特定领域的专家。例如，一个营销团队可能具备各种技能，如文案写作、长篇写作和视觉设计。最优秀的团队通常大于其各部分的总和：麦肯锡相关研究表明，跨职能团队的效率可提高多达 30%。

多智能体系统带来了类似的优势。一个智能体可能专注于策略、内容或测试。虽然每个智能体按其规定的职能运作，但它会为其他智能体提供有价值的数据，以服务于团队目标。这种跨职能协作消除了困扰人类团队的信息孤岛，同时加快了解决问题的速度。

2. 实时学习与调整

在多智能体系统中，智能体可以共享知识并模仿有效行为，这意味着它们可以随着时间的推移进行学习和调整。LeVine 指出，如果公司不关注这一点，可能会错过这一功能。

“我认为，多智能体系统解决方案最被低估或未知的基本能力或目标是，单个智能体可以根据经验或观察相互协作和学习。多智能体系统采取行动之前，不一定需要人类干预，” 他说。

这种在运行中学习和调整的能力使这些系统具有非凡的灵活性，能够帮助营销人员做好工作。

“智能体之间的学习、模仿和知识共享可以帮助营销专业人员了解客户偏好或需求的变化，并围绕营销工作优化投资回报率（ROI）。与以往一样，数据质量和可访问性是提供有益且精准洞察的关键，”LeVine 说。

持续优化

单个 AI 智能体（AI Agent）可以运行或监控活动的一个方面，但并非完全 “设置后就不用管”，尤其是当您需要更改或改进活动时。而且，当活动变得复杂，您想根据其他地方的结果更改某个部分时？要跟踪所有这些情况可不容易。

有了多智能体系统，智能体可以为您处理活动调整。通过智能体之间的密切协作和数据共享，您的系统可以实时调整广告出价、文案或定位。多智能体系统可以协调智能体操作，最大限度地提高活动的回报。

五、多智能体系统的挑战

任何新技术都并非没有缺陷。多智能体系统无疑是一项新技术。但多智能体系统的大多数挑战都与团队如何设计系统以及如何在运营中采用系统有关。

1. 数据质量和可访问性

英国《金融时报》相关内容指出，数据问题是人工智能实施的主要障碍。随着您使用人工智能工作流自动化实现更多工作流的自动化，您需要工具能够快速访问和处理的清洁数据。

“如果数据没有得到适当的管理和维护，最终将导致无法以对品牌有益的方式完成任务，甚至可能对客户关系造成非常有害的影响，”LeVine 说。“数据不可访问将导致任务失败，这也是个问题。”

清洁数据是成功的多智能体系统的基础。请审查您的数据源，并努力删除重复数据、标准化格式，确保各数据源之间的一致性。

2. 复杂性和错误传播

如果您曾经上过计算机科学课程，就会遇到 “GIGO”—— 也就是 “垃圾进，垃圾出”。如果您一开始给系统输入错误的信息，就会得到错误的输出；系统无法辨别什么是好的，什么是垃圾。

即使主动式 AI（Agentic AI）变得越来越智能，它仍然是一台机器。而且，当您为了共同目标将多个智能体联网时，任何微小的错误都会迅速放大。当这种情况发生时，相关深度分析表明，您和您的团队将更难确定问题出在哪里，也难以更改系统参数来进行补偿。

正如 LeVine 所指出的，清洁和有序的数据在管理 GIGO 的潜在负面后果方面发挥着巨大作用。您还需要对整个系统和每个智能体的性能进行人工监控。在早期阶段，密切关注智能体的状态并在需要时迅速介入，对于限制复杂性的影响至关重要。

3. 组织惯性

我之前曾谈到，员工采用率滞后是人工智能的 “杀手”。这不仅仅指一线员工。如果领导层不能或不愿支持人工智能的实施，任何超出 “轻度实验” 的高级计划都将胎死腹中。

“决策者可能不想将控制权交给 AI 智能体（AI Agent），而他们的支持对于整个企业的采用至关重要，”LeVine 警告说。

他还鼓励通过消除恐惧让尽可能多的员工接受这一想法。“对于组织中的人员来说，这一切都是新事物。新事物是可怕的，”LeVine 说。“找到一个您喜欢的组织变革管理（OCM）框架，并使用它来确保人们具备 AI 素养，更加安心。”

继续阅读：多智能体系统（下）：多智能体系统优势、挑战及实施指南

欢迎分享