智能 AI + 生成式 AI: 企業決策的下一個領域
September 11, 2025
簡介: 從內容到決策
在 2024 年和 2025 年, 衍生式 AI (GenAI) 以產生大量文字、影像和代碼的方式成為焦點。但隨著 2026 年的到來, 主管們提出了一個更尖銳的問題: AI 如何從創造內容到推動業務決策?
答案就在 Agentic AI, 這個層將GenAI的創意成果轉換成目標驅動的自主決策系統。Agentic AI 和GenAI 搭配使用時, 可讓企業擺脫被動工具, 成為具有應變能力的決策引擎。
為什麼 Agentic AI 能與衍生式 AI 互補
- 生成式 AI = 創造。系統會產生文字、圖片和建議。
- Agentic AI = 編排 + 動作。它能跨工作流程規劃、分解目標並執行。
- 它們共同構成決策管道: GenAI 提供選項; Agentic AI 會評估、選擇和執行任務。
這種能力的結合, 讓企業能夠從被動的輸出轉向主動策略。
多 Agent 系統中的決策機制
Agentic AI 引入了GenAI 缺乏的協調層:
- 任務分解 — 將策略目標分解為子目標。
- 意見回饋循環:透過偏好資料、並排比較和共識標籤評估GenAI的輸出。
- 即時適應能力 — 在輸入內容或情境改變時調整路線。
- 多位客服人員協作 - 專門的客服人員進行推理、評估和執行。
可以將GenAI 視為產生「內容」, 而 Agentic AI 則決定「方式」和「為什麼」。
決策 AI 的技術基礎
企業採 用堆疊式架構需要整合以下功能:
- 用於內容產生的大型語言模型 (LLM)。
- 透過人工意見回饋強化學習 (RLHF) 來優化偏好設定。
- 多模式資料 (文字、音訊、影片、感應器資料)。
- 評估架構:並排審查、偏見偵測、共識標示。
- 進行魯棒性和安全性測試的紅隊。
這種結合可確保決策不僅具有創意, 而且準確、可解釋且可靠。
代理和生成式 AI 整合的投資報酬率
- 速度: 即時做出決策, 不必花上好幾天時間才能完成手動分析。
- 準確度: 客服人員根據品質指標持續細化輸出結果。
- 可擴展性: 多客服人員編排功能, 讓企業能夠同時處理數千個工作流程。
- 信任: 透明的評估架構可減少幻覺和偏見。
Uber 人工智能解決方案: 推動 AI 決策的未來
Uber AI 解決方案提供企業所需的基礎設施、臨時勞動力和治理模型, 將GenAI與
代理 AI:
- 跨 200 多種語言和 30 多個領域 (金融、醫療、STEM) 的資料收集和註解。
- 大規模模型評估 - 並排比較、偏好排名、黃金資料集等。
- uLabel 和 uTask 等平台, 能夠協調、管理和管理 AI 工作流程。
- 全球員工隊伍 (費用所得者超過 880 萬): 建立多元的意見回饋, 以減少系統性偏見。
2026 年企業必須採取的行動
- 超越內容輸出: 詢問 AI 如何做決定, 而不僅僅是草稿。
- 投資於業務流程層: 確保將GenAI與客服人員監督配對使用。
- 採取持續評估: 偏好資料、偏見控制台和 SLA 遵守情況不容協商。
- 與值得信賴的供應商合作: 部署經過驗證的平台和多元化的員工隊伍, 以擴大規模。
結論: 決策是新領域
2024 年是要證明 AI 具備生產力。2025 年就是要擴大這些產出。2026 年將是大規模且可靠的 AI 決策。
將GenAI 的創意能力與Agentic AI 的編排功能相結合, 企業可以建立適應性強、自主且可解釋的決策系統, 以推動實際業務成果。
Uber AI 解決方案可以提供資料、提供平台和服務全球, 讓企業可以滿懷信心地邁入下一個創新領域。
Industry solutions
Industries
參考線