Gartner最新發布“2024年企業機構需要探索的十大戰略技術趨勢”報告中的半壁江山，均被AI相關技術占領。

而 Gartner 列出的前十項戰略技術趨勢不是按重要性排名的列表。相反，這些趨勢之間相互關聯，且它們的重要性主要取決于企業的成熟度，同時也受到行業、業務需求和企業之前制定的戰略計劃的影響。但在這份給企業決策者參考的重大戰略技術趨勢報告中，幾近一半的戰略技術趨勢都落進了AI范疇，這絕非偶然，而是AI相關技術發展到相對成熟階段的必然結果。

霸屏Gartner

2024年十大戰略技術報告的AI相關技術：

1.      全民化的生成式AI（Democratized Generative AI）

關于全民化的生成式AI， Gartner的最新預測表明：

到 2026 年，超過80%的企業將使用生成式AI的API或模型，或在生產環境中部署支持生成式AI的應用，而在2023年初這一比例不到5%。

 

GenAI是人工智能模型生成新內容變體的能力，包括圖像、視頻、音頻和文本。GenAI應用具有自動化廣泛任務的潛力，從而提高生產力，降低成本并為增長提供新機會。

 

GenAI平臺已在全球范圍內推出，使每個工作者都能具備生成能力。信息和技能的普惠化將涵蓋廣泛的角色和業務功能。這使得GenAI成為2020年代最具顛覆性的趨勢之一。雖然人工智能已存在幾十年，但ChatGPT于2022年11月的問世使得大眾能夠接觸到這項技術，并有可能改變幾乎所有企業的競爭和工作方式。

 

GenAI本身正在因云計算和開源的融合而普及化，使工作者在全球范圍內可以使用這些模型。最近的快速創新為數百萬缺乏傳統AI技術編程技能的用戶提供了便利。

 

GenAI應用可以通過自然語言對話界面（例如聊天機器人）使大量內部和外部信息對企業用戶可訪問和可用。這意味著快速采用GenAI將顯著普惠企業中的知識和技能。大型語言模型使企業能夠通過富有語義理解的對話方式將工作者與知識相連接。業務利益相關者和部門將從這種豐富的知識中受益。

塔斯智能體是實在智能對RPA與大語言模型完美結合的創新

而實在智能憑借其自創業初就深深扎根在AI領域強大的自研能力和幫助大中型企業客戶獲取豐富的自動化落地解決方案的經驗，率先將RPA技術與大語言模型（LLM）結合，于2023年強勢推出“你說 PC做 大模型TARS Agent，帶給用戶聽得懂更能看得見，動起來的機器人！”

 

實在智能以其自研大模型“塔斯（TARS）”為例，推出行業首個基于大模型的TARS-RPA-Agent，將數字員工應用門檻進一步降低，實現了“所說即所得，你說，PC做”的理念。這是業界首款計算機視覺與大模型結合的智能體產品。在文本生成、語言理解、知識問答、代碼生成等主流能力上表現優異，駕輕就熟。

 

實在智能融合了AI技術，將傳統拖拉拽式的RPA，升級為實在IPA模式，從專家模式到小白模式，人人可用RPA走進現實；發展到今年大模型的技術加持下，為RPA數字員工注入“TARS+ISSUT”雙模引擎，前者提供自然語言理解及邏輯知識的歸納泛化能力（大腦），后者提供識別屏幕一切元素的自動化能力（眼睛），雙模互動構成TARS-RPA-Agent，實現對屏幕上一切元素的自動化操作，為行業帶來全新的布置工作方式：你說，PC做，實現“所說即所得。”

2. AI信任、風險和安全管理（AI Trust, Risk and Security Management）

AI的全民化使得對AI信任、風險和安全管理（TRiSM）的需求變得更加迫切和明確。而Gartner預測：

到2026年，采用AI TRiSM控制措施的企業將通過篩除多達80%的錯誤和非法信息來提高決策的準確性。

 

在對AI相關工具在企業內部普及的過程中，技術廠商首當其沖要幫企業客戶解決的問題就是，數據安不安全，數據是否會存在敏感信息泄漏的風險，數據的安全性如何在使用AI相關的工具中能夠得以有效的把控？在沒有護欄的情況下，AI模型可能會迅速產生脫離控制的多重負面效應，抵消AI所帶來的一切正面績效和社會收益。

 

AI TRiSM提供用于模型運維（ModelOps）、主動數據保護、AI特定安全、模型監控（包括對數據漂移、模型漂移和/或意外結果的監控）以及第三方模型和應用輸入與輸出風險控制的工具。

 

實在塔斯智能體，優先替客戶做好數據安全防護

 

在大模型領域，數量龐大的數據和領域知識儲備變得愈發重要。實在智能選擇垂直大模型的方向，體現了其對專業化驅動全面拓展的戰略思考：構建自研、有效、安全、可信任、可落地的垂直領域大語言模型，實在智能讓人人擁有一個智能助理成為可能。”

 

其次，實在智能在其最新推出的大語言模型結合RPA的最新產品中嵌入了能夠有效幫助客戶對其企業內部敏感數據進行過濾的數據防護網，真正在源頭上確保了客戶側敏感數據不會外泄，并從工具的原始設定中幫助客戶實現對數據的主動保護。

 

3. AI增強開發（AI-Augmented Development）

AI增強開發指使用生成式AI、機器學習等AI技術協助軟件工程師進行應用設計、編碼和測試。AI輔助軟件工程提高了開發人員的生產力，使開發團隊能夠滿足業務運營對軟件日益增長的需求。這些融入了AI的開發工具能夠減少軟件工程師編寫代碼的時間，使他們有更多的時間開展更具戰略意義的活動，比如設計和組合具有吸引力的業務應用等。

 

據Gartner 最新預測：

到2028年，企業軟件工程師中有75%將使用人工智能編碼助手，而這個比例在2023年初還不到10%。

這些具有前瞻性的預測無疑不在告訴我們，AI增強開發在人力資源持續接受到挑戰的今天乃至是以后，對于企業來說都會是提高生產率，節約成本跟在人力資源緊張的情況下破局的關鍵。

 

而同時Gartner的分析師觀察到，一個擁有約12,000名開發人員的大型企業通過使用AI輔助代碼生成工具GitHub CoPilot提高了5%的生產力，每年甚至還節省了200萬美元的成本。

 

增強型人工智能開發工具應該關注提高軟件工程組織的生產力、質量和體驗。麥肯錫數字對其自己的軟件工程師進行的一項研究支持了這一觀點。該研究測量了完成常見開發任務所需的時間。結果顯示，代碼生成的時間減少了35%至45%，代碼文檔化的時間減少了45%至50%。

 

實在大模型系列產品早已將AI增強開發納入產品基本能力范疇

 

傳統ChatGPT及類GPT式下你問我答的形式雖各有特色但難免千篇一律，距離自動化執行仍有距離。我們可以看到，大模型的興起也引發了“怎么能用起來”的落地難題。在喧囂之后，實在智能選擇了務實的落地策略：將TARS-RPA-Agent的應用與實際業務場景相結合，從客戶場景入手，在“聽得懂”之后，讓大模型“看得見、動起來”。

 

實在智能深耕千行百業，從客戶場景入手。因為對客戶來說，他們最關心的是能否解決問題，而不是RPA工具本身。而當產品交付后，如果不多花些時間，做行業know-how的沉淀和積累。長此以往，就無法擴展出更深的應用場景，只能解決簡單、表面的問題，效率還很低，最終也無法為客戶提供更高的價值。2023年8月，實在智能圍繞TARS大模型，除了金融，還應用于數字員工、智能辦公、電商場景等方面，對實在智能超級自動化平臺的產品矩陣進行全面智能升級，將再一次提升用戶體驗。

 

TARS-RPA-Agent的核心工作流程主要包括：自主拆解任務、感知當前環境、執行并且反饋、記憶歷史經驗等。能夠通過文本指令或對話聊天的方式直接生成數字員工，操作PC電腦自主完成工作任務。這里面自然包含了AI增強的開發相關的能力。能夠讓企業內部有相關需求的部門和員工，通過大語言模型多輪對話模式，輕松開啟AI增強開發之旅。

4. 智能應用（Intelligent Applications）

智能應用包括智能功能，被”定義為自主做出適當響應的習得性適應能力。在許多用例中，這種智能被用于更好地增強工作或提高工作的自動化程度。

 

作為一種基礎能力，應用中的智能包含各種基于AI的服務，如機器學習、向量存儲和連接數據等。因此，智能應用能夠提供不斷適應用戶的體驗。

而據Gartner最新預測顯示：

到2026年，30%的新應用程序將使用人工智能來驅動個性化的自適應用戶界面，而2023年這一比例還不到5%。

 

實在智能為客戶提供門檻低，智能，高效，精準的數字員工

 

實在智能憑借自己對人工智能相關技術的敏銳嗅覺和夯實的RPA與GEN-AI融合能力，成功將大模型與RPA（Robotic Process Automation）相結合，為企業提供了更廣泛的應用場景。同時還將大模型作為信息查詢和分析的工具，并將其嵌入到TARS-RPA-Agent產品中，使其能夠執行更加復雜的任務。

 

這種融合不僅降低了數字員工的應用門檻，還提高了工作效率，釋放了人力資源，從而實現了“所說即所得，你說，PC做”的愿景。實在智能通過自研雙模型技術底座，即將大語言模型與視覺模型相結合，進一步提升了RPA的能力。這種技術底座不僅可以處理復雜的文本數據，還能夠分析圖像、視頻等多媒體信息。通過視覺模型的支持，RPA能夠更好地理解和應對多樣化的任務，實現更高程度的自動化。

 

實在智能在為客戶提供智能應用的努力還會繼續下去，憑借其強大的產品自研能力，輕松實現RPA產品三大階段核心能力的跨越。實在智能會繼續為客戶提供技術門檻低，高智能，易操作，對用戶友好的智能應用產品。