在AI代理人可承接的工作中,各產業高複雜度任務占比估計為6%至11%,這類工作可能需要前沿模型。
華頓商學院(Wharton School)與埃森哲(Accenture)16日公布共同報告《What Does Agentic AI Really Cost?》,建議企業在設計階段依工作難度、資料與系統條件選擇模型。
報告檢視 O*NET 的923種職業,以及超過1萬8000項工作與活動。考量是否需要與人互動或從事實體活動後,報告篩選出1萬1339項判定可由代理人執行的工作。
報告依工作流程、法規要求、串接系統、敏感資料存取、資料量及更新需求評估這些工作。判定複雜度時,除了模型效能,也納入工作環境與資料條件。
受評估的工作項目中,超過90%屬於低複雜度。這不代表企業超過90%的工作都能自動化,也不表示實際自動化成功率。
各產業的6%至11%,指的是該產業被歸類為可由代理人執行的工作量中,高複雜度工作所占比例;這項比例與超過90%的複雜度分布採用不同基準。
在生命科學領域,費用請款與報告準備、聘僱紀錄管理被列為不需要前沿模型的工作;建立生產品質管理制度、撰寫專利申請文件則是高複雜度案例。
本刊先前也報導騰訊公布20多個領域的AI代理人應用案例。此次報告透過成本估算架構,說明除了個別應用案例,也應檢視各項工作的複雜度與條件。
規模相近的企業,若執行的工作不同,五年期的代理人導入與營運成本可能相差三倍以上。報告指出,工作量與複雜度、資料需求程度及人工監督需求都會影響成本。
在資本市場、科技與國防產業中,工作量大的任務也可能具有高複雜度。因此,僅憑產業平均值,難以判斷個別企業需要的模型或成本。
成本估算除了模型使用費,也納入工作設計、資料準備、系統整合、測試與驗證、安全及法規因應等8項前期成本。營運階段則計入人工監督、監控與維護、資料處理機制、軟體與工具及運算成本,合計估算13項成本。
這些數字不是彙整企業實際導入結果,而是根據工作分類與假設建立的模型估算。報告將其定位為接近成本下限的估值,並未計入外部顧問、外部廠商系統整合、員工訓練及工作轉型支援等費用。
兩家機構建議企業在設計階段先界定工作範圍與所需模型效能。先掌握工作流程及資料條件,再選擇模型,才能反映各項工作的需求程度。
若由單一代理人處理所有工作,脈絡管理可能變得複雜;反之,若將工作拆分得過細,開發、整合與管理成本則會增加。
報告指出,營運期間依不同工作自動切換模型,將增加追蹤難度,能大規模執行這種做法的企業也不多。即使工作量不大,高複雜度任務仍可能需要前沿模型,因此企業應依實際工作流程,同時追蹤模型效能與成本。
Comment 0