对话NICE副总裁：真正的赢家不造发动机，而是应用发动机

AI 革命不是将要到来，而是已经发生。ChatGPT 让 AI 走向了大众，各大公司正陷入一场激烈的竞赛，竞相部署 AI 智能体来优化客户体验。虽然愿景宏大，但现实中却潜藏着重重挑战、成本和风险。

最近，我与 NICE 的产品管理副总裁 Neeraj Verma 进行了交流。我们将那些狂热的表象剥离，提炼出五条关键真相。

在 AI 部署走入歧途前，每一位领导者都必须直面这些现实。

1. 忘掉全自动化

通常的观点认为，AI 的目标应当是完全取代人工以大幅削减成本。但来自一线的实战经验表明，以此起步不仅复杂，而且风险极高。Neeraj 认为，最快且最有利可图的切入点是利用 AI 智能体来增强人工坐席的能力。

所谓增强，是指利用 AI 实时提供知识，辅助人工完成任务。这种方式能产生即时价值，提升现有团队的效率，并避免了在第一天就构建全自动、端到端系统的巨大投入。

对于务实进入 AI 领域的企业来说，增强是唯一合乎逻辑且经济合理的首选。

现代 AI 的定价模式令人震惊。传统的对话式 AI 交互一次可能只需 15 到 20 美分，而由大语言模型驱动的新型机器人处理同样的事情，成本可能高达每次交互数美元。但这仅仅是直接成本。

更大的隐藏运营支出在于可观测性。由于先进的 AI 智能体具有非确定性，你往往需要部署第二个 AI 模型来专门监控第一个模型，以确保其行为正确。Neeraj 郑重提醒，这实际上会使成本翻倍。

此外还有显著的伦理成本：能源消耗及其引发的社会经济影响。许多组织都承诺减少能耗，但正如 Neeraj 所言，ChatGPT 单次回复所消耗的能量，相当于一个 1500 瓦取暖器运行一小时的耗电量。

领导者必须清醒地核算总拥有成本，包括交互成本、监控基建成本以及电费账单。

旧的自然语言处理系统是确定性的。它们遵循固定的流程，易于测试，结果也稳定可预测。新一代 AI 智能体则是非确定性的，这造成了 Neeraj 所说的测试真空。

Neeraj 提出了一个核心的业务问题：当一个系统无法保持确定性时，你该如何信任它？

确保可靠性的关键，是为智能体提供一条结构化的路径标记。与其给出一个模糊的高级目标（如寻找北面 30 英里外的森林出口），不如提供一系列确定的里程碑。

这种方法达到了完美的平衡：它赋予智能体足够的生成灵活性，使其保持自然、拟人的语气，同时确保其行为严格限制在品牌形象和业务逻辑的护栏内。

五年前，拥有专利 AI 技术是终极竞争优势。如今，这一格局已彻底瓦解。构建基础大模型需要前所未有的巨额投资，只有少数全球巨头才负担得起。

现在的竞赛不再是看谁能做出最大的模型。Neeraj 指出，这个领域的真正赢家将是那些应用型 AI 案例公司。

应用型公司不试图在模型层面上与 OpenAI 或亚马逊竞争。相反，他们专注于创造性、有效地应用现有的强大模型，去解决特定的、高价值的业务问题。

现在的竞争优势来自于成为最出色的驾驶员，而不是发动机的所有者。

AI 智能体要发挥作用（如处理退货或订票），就必须拥有工具。从技术上讲，这些是授予智能体访问内部基础设施和数据库权限的 API。开启这些接入点同时也制造了安全漏洞。

风险不再仅仅是一句措辞不当的回复，而是灾难性的业务故障。Neeraj 分享了一个极具警示意义的案例：一家初创公司使用 AI 智能体编写代码，结果该智能体删除了他们的生产数据库，因为这正是该智能体拥有的访问权限。

这个例子是一个严酷的提醒：你必须细致地管理、隔离并限制授予 AI 智能体的权限。最关键的安全考量不是 AI 会说什么，而是它被允许做什么。

部署 AI 智能体的道路非常复杂，伴随着惊人的成本、根本性的测试真空以及深层的安全风险。

但其潜力同样具有颠覆性——对话流程的构建成本降低了 95%，时间从数月缩短到区区几天。

随着 AI 从面向客户的对话进化到自动化复杂的后端流程（下一波智能体 AI 浪潮已至），每位领导者都必须回答一个关键问题：你的组织将如何在拥抱这一巨大潜力的同时，平衡并管控其深远风险？

AI 正在改变联络中心的方方面面。这些变化预示着巨大的回报，也蕴含着巨大的风险。我很欣赏 Neeraj 提供的平衡视角。

部署 AI 智能体需要超越技术视角。技术日新月异，落后的风险同样存在。成功取决于对这些新现实的清晰理解，以及持续优化。