影像:有幾個 Slack 聊天使用者介面疊在一起,最上層是 Salesforce 的吉祥物 Agentforce Astro。

對話是發揮代理級產能的關鍵

情境資料是數位勞動力平台成敗關鍵:AI 智慧代理需要詢問的問題越少,就越能順利幫助人類工作。

作者:Max Kirby, Principal Agentic Architect2025 年 3 月 11 日

想像一下,在不久的將來,AI 智慧代理可以與你和你的同事順暢協作。有的代表客戶,有的則代表團隊成員,大家可以使用你們企業的專業用語溝通,甚至可以跨多語言溝通。這些代理可持續更新共用的知識庫,即時整合既有資訊與新的深入分析。

從使用單一代理邁向多重代理系統,到最後每個企業都擁有自己的全方位代理,我們將見證 AI 智慧代理自主性越來越高,可應對各式各樣的情境。到那時,我們開始一天工作的方式,就會是向代理提出這類問題:「這週客戶提出了哪些新問題?」或「我的員工最關心的是什麼?」然後,一組代理就會從數千筆客戶互動資料、對話以及同事的深入分析中總結答案。這就是代理時代的願景。

問題是,這要如何實現?關鍵在於情境資料,這正是代理有效執行任務最不可或缺的資訊。

為什麼情境資料對 AI 如此重要

情境資料是代理式 AI 真正為企業創造價值的關鍵所在。透過大型語言模型的推理能力,代理在模糊情境下仍可以自動執行任務,但如果有更多情境資料來幫助解讀模糊不清的內容,代理的表現就會更好。

代理引入了一種使用電腦自動化的新方式,不需要為每種情境預先定義詳盡的規則。代理系統可以使用大型語言模型的模式比對能力,推斷任何特定情境的細節,而且獲得更豐富的情境資料後,表現就會更好。換句話說,代理就更不需要猜測。

如果代理在行動之前必須不斷詢問細節,人類與 AI 協作的價值就會大打折扣。

你可以將目前大多數早期 AI 智慧代理的運作方式,與我們未來的發展方向對比一下。目前,許多 AI 智慧代理一旦遇到超出預設範圍的情況,就會遇到困難,而且只要沒有對話串可以參考,就很容易誤解使用者的請求。如果代理要等待使用者告訴它們該如何解讀,會導致使用者不得不仔細鑽研如何提供提示。

在此範例中,使用者提供含糊的提示後,需要進一步的提示,以彌補情境資料的不足。

如果無法取得足夠豐富的情境資料,代理開發人員就會陷入兩難,這有違代理的初衷。開發人員在設計時,可以專注於特定用途,依賴可預測的背景線索,確保表現穩定,但這樣的靈活性有限。或者,他們也可以採取更寬鬆的設計策略,使 AI 智慧代理在沒有情境資料時也能運作,但這樣又會加重使用者的負擔,讓他們需要在最後一刻提供遺漏的細節。如果代理在行動之前必須不斷詢問細節,人類與 AI 協作的價值就會大打折扣。這兩種策略都可以帶來一定幅度的進步,但卻可能導致無法大規模採用代理。

代理缺乏情境資料時,使用者就不得不花更多時間解釋提示內容,而不是完成實際的任務。要解決這個問題,需要將代理部署在一個能夠觀察目前工作對話的環境中,讓代理運用解讀能力,根據實際工作情境調整指引和工具。

對話是最豐富且不斷變化的情境資料來源,讓自然語言代理的大型語言模型可輕易判讀。對話包含當下的意圖、關於有用於否的細微差別資訊,以及不斷改變的需求相關線索,為 AI 智慧代理在權衡取捨時提供所需的關鍵提示。在有對話的基礎上,AI 智慧代理就能不斷調整、變得更主動並精確滿足需求,這些都是其他方法辦不到的。

在此範例中,Slack 代理使用對話情境資料來解讀同一個含糊使用者提示,這次可以有效回應。

有了情境資料,代理就能擁有自主性,這使代理變得強大。代理需要一個可以觀察到足夠情境資料的環境,才能辨別重要性、判斷要繼續行動或需要協助的時機,甚至瞭解什麼時候自己是不需要的。如果代理能掌握情勢變化、限制和最新資訊,大規模採用代理就有可能實現。

代理需要一個可以觀察到足夠情境資料的環境,才能辨別重要性、判斷要繼續行動或需要協助的時機,甚至瞭解什麼時候自己是不需要的。

Slack 如何打造情境式 AI

Slack 將你所需的一切都備妥,讓你享有控制權,同時也賦予代理自主性。將 Slack 當成代理運作的基礎,代理就能參考公司的非結構化資料 (例如使用者產生的內容、自然語言內容、音訊和影片),藉此提升推理和決策能力,提供更符合使用者需求的協助,這有助於代理判斷可以提供哪些幫助、何時該介入,何時又該保持觀望。

不僅如此,Slack 還讓你控制代理可以存取哪些資料。我們絕不會將客戶資料用於訓練大型語言模型,而是為你提供最佳環境,讓你以資料為基礎執行情境「檢索增強生成」(RAG),在代理需要時提供所需資訊,這樣代理就能根據任務情境,即時推斷要從你的資料庫中擷取哪些資料。

透過 Slack 的對話記錄 API 和資料存取 API,你可以建立靈活應變的代理,能夠在對話進行時根據對話內容即時調整。每當有新的 Slack 訊息,情境資料都會隨之更新。Slack 讓代理可以參考目前和過去對話中的線索資訊,更靈活地執行指示,並有效扮演使用者要求的角色和完成所需目標,而不是只會依照設定好的指令碼僵硬地回應。清楚的即時情境資料的強大之處在於,能幫助 AI 更好地理解人類。Slack 架構就能支援這種適應能力,讓代理建立工具可以參考最新的情境資料,甚至更進一步,代理能將來自過去互動或其他 Slack 頻道正在進行的對話內容,轉化為有助於理解情境的資料。

隨著多重代理系統變得越來越普遍,對話平台將成為代理應用與轉型的核心。Slack 可作為企業所需的對話樞紐,讓代理與人類之間能夠和諧溝通,確保回應符合需求且富有成效。代理可以自主工作,即時協作以增強彼此能力,並自我提升或改善基礎模型。代理會成為掌握情況的好幫手,而有了 Slack 的情境資料服務,代理建立工具便能專注於自動化,不需要煩惱如何處理複雜的細節步驟,也不需要被迫預先定義和限制代理。不久之後,Slack 代理將能在所有與 Slack 連結的應用程式中,輕鬆管理與互相協調,並在標準化的基礎上運作。如此一來,每個代理都能專注於代理與人類以及人類之間的對話,輕鬆掌握情境資料。

Slack 讓代理真正成為人類最強輔助

考慮讓開發人員建立和部署代理的最佳地點時,請務必記住,情境資料並非可有可無,而是決定成敗的關鍵因素。Slack 提供了一個環境,讓代理從基本任務執行者,成長為具有適應能力的合作夥伴。在 Slack 中,隨著代理與人類互動,可以不斷累積企業知識庫,每當有新的訊息,就會持續更新。有了 Slack 強大的使用者情境,這一切都能成真,最終還可以讓每個代理更瞭解服務對象。

準備好開始使用了嗎?請聯絡我們的專家團隊,瞭解如何使用。

    這則貼文有幫助嗎?

    0/600

    超讚!

    非常感謝你提供意見回饋!

    知道了!

    感謝你提供意見回饋。

    糟糕!我們遇到問題了。請稍後再試一次!