En virkelig dyktig AI-agent trenger både smart og reell handling-evne-den må forstå hva brukeren vil ha og så faktisk få ting gjort. Det var slik Yuan Yuan, dekan ved Alibaba Research Institute, beskrev den ideelle formen for AI-agenter under et nylig seminar om «AI Agent Behavior Safety and Development».
Hun understreket at selv om AI-agenter har et stort løfte om å gjøre AI-teknologi til ekte penger og dramatisk forbedre brukeropplevelsen, bør utrullingen deres ikke endre eksisterende regler, styring eller forretningsøkosystemer. I stedet bør alt skje på en trygg, kontrollerbar måte, med dypt samarbeid på tvers av bransjen slik at både telefonprodusenter og apputviklere kan dele fordelene med avanserte modeller.
I løpet av det siste året har det store spørsmålet i markedet vært: "Kan AI virkelig håndtere oppgaver for oss?" Vi har sett forskjellige tilnærminger dukke opp.
Noen produkter prøver å "ta over" telefonoperasjoner ved å forstå hva som er på skjermen og etterligne menneskelige trykk og sveip for å gjøre ting som å redigere videoer, bestille billetter eller bestille mat på tvers av forskjellige apper. Disse kalles vanligvisGUI-agenter(en forkortelse for Graphical User Interface Agents).
Teknisk sett fungerer de ved å la AI-en «se» skjermen, finne ut av det, og deretter simulere klikk og bevegelser. Men dette reiser umiddelbart en haug med vanskelige spørsmål: Hvem gir det tillatelse? Hvem har ansvaret hvis det går galt? Hvilke tjenester kan den få tilgang til? Og hvem holder det i sjakk?
På seminaret bemerket eksperter at denne skjermbaserte-tilnærmingen har virkelig kort-verdi-den lar AI-agenter gå inn i daglig bruk uten å tvinge frem store endringer i eksisterende apper. Men i det lange løp har den bygget inn-grenser rundt pålitelighet, hastighet og hvor godt den kan styres. Mange ser det mer som en midlertidig bro enn sluttspillet.
Jiao Haitao, professor ved China University of Political Science and Law, hevdet at tillatelser for AI-agenter bør håndteres scene for scene. Kritiske handlinger trenger en ny bekreftelse fra brukeren, og ting som involverer personlige egenskaper, subjektive avgjørelser eller sosiale interaksjoner bør ikke delegeres i det hele tatt. Han påpekte utfordringene med doble-autorisasjonsregler-ikke alle scenarier bør basere seg på en tredjeparts-plattform alene-og foreslo at industrien samarbeider gjennom forhandlinger og standarder for å løse dette gradvis.
Telefonprodusenter utforsker aktivt sine egne veier for AI-agenter.
I en nylig mediebriefing fortalte Jiang Yuchen, OPPOs direktør for smart produkt-R&D for ColorOS, til reportere at produkter som Doubao-telefonen har hatt en positiv innvirkning på industrien og økosystemet ved å presse ting fremover. Men hun var tydelig: "Det er ikke den endelige formen for en AI-telefon-det er fortsatt i utgangspunktet en metode for å betjene de gamle GUI-grensesnittene."
For OPPO handler ikke valget mellom GUI-tilnærminger om ideologi-det er først og fremst et ingeniør- og skalaproblem. Jiang forklarte at noe som Doubao har råd til å være mer aggressiv som en ingeniørprototype, men store telefonprodusenter håndterer enorme brukerbaser. "Hvis du starter en funksjon og neste dag slutter de fleste tjenestene å fungere ordentlig, er det en kvalitetshendelse for oss-det kan vi ikke godta." I den skalaen forstørres enhver ustabilt system-nivå raskt.
Etter hennes syn er skjerm-operasjonsbaserte-agenter «noe av et mellomstadium». Den vanlige banen fremover vil lene seg mer motA2A (agent-til-agent) samarbeid, hvor AI-agenter snakker direkte med hverandre og jobber sammen.
Hun understreket at i denne utviklingen er det som virkelig betyr noe for telefonprodusenter ikke modellstørrelsen eller parametrene-det er deres dype, langsiktige-forståelse av brukere. "Vi tror ikke den store modellen er telefonens sjel," sa Jiang. "Vi tror at "minne" er sjelen. Når telefonen din virkelig forstår deg, er det veldig vanskelig å bytte til noe annet."
På seminaret var flere eksperter enige om at den virkelige utfordringen for AI-agenter ikke bare er «kan det få jobben gjort?»-det handler om å definere klare grenser for hva de kan gjøre og hvordan de administreres.
Yuan Yuan bemerket at den nåværende GUI-bølgen har skapt en sunn "steinbit-effekt", som ryster opp og gir energi til hele industrien. Men hun oppfordret Kinas AI-sektor til ikke å bli sittende fast på GUI-banen. Bygg heller på det for å finne bedre ruter som balanserer sikkerhet og fremgang. Hun pekte på Apples tilnærming som et godt eksempel: Den setter opp åpent API-basert samarbeid mellom agenter og apper, samtidig som skjermbevissthet brukes til å holde sikkerhetsgrenser intakte og presist overføre brukerintensjoner til apper, noe som gjør dem smartere til å utføre kommandoer.
Wang Yue, nestleder ved Information Systems Institute ved Tsinghua University's Department of Electronic Engineering, ser på AI-agenter som et stort vendepunkt-AI-systemer begynner å samhandle direkte med omverdenen. Dette vil ikke bare endre hvordan informasjonssystemer bygges; det kan også omforme økonomiske operasjoner. Han advarte om at virkelig forstyrrende innovasjon risikerer å svekke systemadministrerbarhet og erodere tillitsgrunnlaget, så vi trenger bedre autorisasjonsmekanismer og A2A-kontroller og balanserer, som til slutt beveger oss mot markedsdrevne, konkurransebaserte-troverdighetssystemer.
Samlet sett skifter samtalen fra om AI kan handle på telefoner til hvordan man gjør det ansvarlig og bærekraftig-og A2A-samarbeid mellom agenter ser ut som en lovende måte å komme dit på uten å bryte alt annet.
