如果员工必须将每个请求都转化为完美的工单,AI代理究竟节省了多少工作?
摘要
本文讨论了在一个广播媒体项目中实施名为Omni的AI代理来处理员工请求,通过比较结构化表单与AI解释来质疑其是否节省工作,并强调了代理引发错误的潜在问题。
披露:我们与Omni团队合作。我们正在为一家广播媒体客户实施这种方法。这不是一个已完成的部署,我们还没有结果可以报告。该项目涉及公共活动网站,日程安排、图片和公告通过聊天从不同的利益相关者处接收。我们可以让每个人都提交一个表单:页面、部分、已批准的图片、文案、审核人、发布时间。这会使自动化更容易构建。但这也会让员工做将对话翻译成系统能理解的内容的工作。我们的看法是,代理应该承担一些翻译工作。保留原始请求,组织它已知的信息,并具体询问缺失的内容。如果图片未附加,则请求图片。不要让人重写整个请求。这就是我们与Omni一起实施的方法,随后是私人预览和人工审批,然后才会公开。然而,有一个真正的反对论点。表单使缺失信息显而易见且可预测。代理引入了另一种解释,可能需要有人检查。你最终可能会用五分钟纠正代理来取代五分钟填写工单。
相似文章
AI智能体真的在为你节省时间吗?
探讨AI智能体是否真的在真实工作流程中为用户节省时间,还是监控和纠正它们会带来新的额外负担。
人工智能是否真的让呼叫中心工作更容易,还是仅仅增加了更多压力?
本文探讨了呼叫中心的人工智能工具,如通话摘要和工单路由,是否真正减少了坐席的工作量,还是仅仅通过更多的监控和目标增加了压力。
AI代理真的表现良好吗,还是我们过度吹嘘了它们?
探讨AI代理在现实世界中的有效性,重点关注生产环境中的挑战,如效率低下和错误率,并邀请社区分享经验。
是否存在真正能自主工作而不仅仅是对话的AI智能体?
一位用户分享了使用大型自动化工具带来的高维护成本经历,并询问有哪些AI智能体能够自主完成工作,无需持续人工干预。
许多“AI代理”用例不过是自动化多加了几个步骤
本文质疑许多AI代理用例的实用性,指出它们往往是不必要的自动化,并强调代理在处理不可预测的输入(如杂乱的电子邮件)时最有价值,而不是做出自主决策。