独家：UiPath首席营销官迈克尔·阿塔拉谈工作中的AI

人工智能资讯：五年前，UiPath的宣传口号很简单：让任务自动化。而如今，它的目标更加宏大——协调工作流程中的每个人工智能代理、机器人和人类协同工作。
张：五年前的这一周，UiPath作为机器人流程自动化领域的领军企业敲响了IPO的钟声。

如今，你们正在推广“代理式业务编排”。

这一赌注最大的变化是什么？

而又有哪些方面保持不变？
阿塔拉：五年前，承诺很简单：自动化任务，解放人力。

这一承诺得到了实现，并且至今仍然有效。

但如今走进大多数企业，你会发现数十个自动化系统并行运行，却无法真正将它们彼此连接起来，也无法与业务实际想要实现的目标联系起来。
客户过去常问我们的问题是“我们能自动化这个吗？

”现在的问题是“我们如何让所有这些东西协同工作？

”答案是编排。

人工智能代理、自动化、人员和系统端到端运行，并具有整体可见性。
阿塔拉补充道：有一点从未改变：技术应该消除人们工作中的摩擦，而不是增加新的摩擦。
张：你在Microsoft工作了15年，领导了Office从本地部署到基于云的Office 365的营销转变。

这次经历让你学到了什么，关于如何推动企业进行paradigm转变，这是当今大多数人工智能领导者所缺失的？
阿塔拉：2011年，我向那些对将电子邮件从他们可以物理接触的服务器上迁移持怀疑态度的客户演示了Exchange的“会话视图”和“不全部回复”按钮等功能。

这就是我对Office 365的了解。
即使你拥有合适的产品，但如果无法帮助客户重新思考他们的工作方式，你仍然可能会失去客户。

我们不是在销售云软件。

我们是在要求人们改变他们的协作方式、信息存储方式，以及他们是否信任一个他们看不到的系统。
如今的人工智能对话聚焦于模型本身。

聚焦于它在理论上能做什么。

企业并不关心理论。

他们关心的是，在实际条件下、在实际工作流程中、在实际责任下，它是否能可靠地工作。

那些在云转型中陷入困境的公司并非缺乏雄心壮志。

他们只是未经重新设计就直接迁移和转移了anything。

如今，人工智能领域也出现了同样的模式。
为何重要：如果你的团队目前正在评估人工智能工具，那么在下次与供应商会面时，需要提出的问题应该从“这个模型能做什么？

”转变为“为了使这个模型真正发挥作用，我们的工作流程应该是什么样的？

”如果理解错了这一点，你可能会成为那70%到80%从未成功推出人工智能试点项目的公司之一。

人工智能资讯：阿塔拉（Atalla）表示，人工智能项目滞后背后的核心问题是缺乏协调。

无论是在试点阶段还是部署阶段，工具若孤立运行，彼此之间以及与业务目标之间缺乏联系，就会导致成本累积，投资回报率（ROI）消失。
张：70%-80%的代理式人工智能项目甚至从未走出试点阶段。大多数公司失败的真实原因是什么？
阿塔拉：人工智能飞行员几乎总是孤立运行。

一个代理人在业务的一个角落。

另一个自动化系统在另一个角落。

它们之间缺乏可见性。

飞行员成功了，领导问下一步怎么办，但没有人能给出真正的答案。

成本不断累积。

结果难以衡量。

最终，有人决定不值得这么做。
那些已经跨越这一阶段的组织并没有做出anything激进的事。

他们不再把人工智能代理视为可部署的工具。

他们开始将其视为更大、受管控的工作流程的组成部分。

这才是游戏的全部。
张：一项调查发现，尽管投入了大量资金，但近一半的组织称人工智能“令人大失所望”。部署后出了什么问题？
阿塔拉：没人一开始就打算失败。我们的雄心壮志始终如一。从首席执行官到那些周二本该轻松的人，都是如此。所以，当你看到这样的数据时，几乎从来都不是动力的问题。
我从客户那里听到的是协调问题。他们已经实现了任务自动化，也使用了人工智能工具。但他们肯定没有与业务目标相连接。投资回报率在这个断层中消失了。
那些取得突破的客户会从一个不同的问题开始。

他们不会问“我们应该购买哪种人工智能工具？

”，而是问“工作从哪里开始，在哪里交接，决策在哪里做出？

”从这些问题出发，技术选择就会清晰得多。
为何重要：协调是人工智能（AI）应用难题的关键一环。

重新设计人工智能的工作流程很重要，但下一步是确保这些工作流程中运行的工具与业务目标保持一致。

一旦你解决了这个问题，价值就会累积——每个工具作为系统的一部分工作时都会变得更加有用。

人工智能资讯：阿塔拉（Atalla）承认，随着人工智能的发展，就业市场的焦虑情绪确实存在。

然而，他反驳了人类参与正变得可有可无的观点，称工作岗位正在发生变化，而非消失。
张：四分之三的人工智能专家对人工智能对就业的影响持乐观态度，但只有23%的公众持相同看法。谁更接近现实，为何存在如此大的分歧？
阿塔拉：说实话？

两个群体都看到了真实的一面。

他们只是看到了图景的不同部分。

专家们看到的是技术的能力。

而最终用户看到的是交给技术的东西，并想知道这给他们留下了什么。

这是对信号的合理解读。
我反对的观点是，随着人工智能变得越来越智能，人类的参与变得可有可无。

大型语言模型（LLM）无法提出“我们应该吗？

”这样的问题。

它没有动机、没有品味、没有风险直觉。

我们在UiPath部署的每个系统仍然需要人类来监督、做出判断，并以增值的方式应用。

角色在演变，但需求并未消失。
张：自2024年以来，随着高级职位的增长，初级开发岗位减少了近20%。

UiPath的首席执行官本人表示，其目标是“在不增加员工人数的情况下实现增长”。

就业市场的焦虑是否合理，还是人们担心错了？
阿塔拉：这种焦虑是真实存在的，值得认真对待。目前，相当数量的入门级职位正在重塑。这并非无足轻重，尤其是对于那些基于不同条件建立职业期望的人来说。
再分配的情况比新闻标题所描述的更为微妙。

常规的、结构化的工作正在被吸收。

但工作本身并没有消失。

它只是改变了形态。

围绕工作流程设计、人工智能治理和端到端流程管理，新的角色正在涌现。

需求是存在的。

所要求的skills是不同的。
我女儿今年13岁。五年后她申请大学时，她要竞争的工作岗位可能还没被命名。如果你现在24岁，这并不能给你带来安慰。但这也不等同于被替代。
为何重要：每一位目睹人工智能改变其所在行业的从业者都在问——我的工作会是下一个吗？

答案既是肯定的，也是否定的。

人工智能将吸收工作中常规、结构化的部分。

它无法取代的是判断力、品味和直觉，或是需要人类提出“我们应该吗？

”的问题的部分。

现在，对于剩下的工作，关键在于提升技能。

人工智能资讯：阿塔拉（Atalla）表示，UiPath会为涉及模糊性的任务部署代理——比如解读不符合标准模板的发票——同时让人类员工参与anything，承担真正的责任。
张：对于金融、人力资源或运营领域的人来说，在UiPath内部，人工智能和自动化与人的合作究竟是怎样的？
阿塔拉：想象一下，一个财务团队需要跨五个系统核对数据，并通过电子邮件追踪审批进度。

自动化处理的是结构化、可重复的部分——提取数据、匹配记录和发送请求。

当出现不明确的情况时，人工干预就会介入——标记异常、解释不符合标准模板的发票。

此时，担任该角色的人员会停止核对工作，开始审查异常情况，并做出真正需要判断的决策。
这个人的时间会向只有他们才能做的事情倾斜。这会改变他们每天对工作的感受，这比听起来要重要得多。
张：随着自主代理工具日益受到重视，你认为在未来一两年内，人工智能代理将能够自主处理哪些任务？
阿塔拉：关于“完全自主”的讨论远远超前于实际情况。我在UiPath看到的更为具体，而且说实话，也更有意思。
智能体非常擅长处理非结构化数据，在定义好的流程内做出基于context的决策，以及管理异常情况。

例如文档理解、欺诈检测和客户服务分流。

这类工作输入数据不干净，基于规则的系统要么无法处理，要么需要持续的维护。
基于规则的确定性工作在传统自动化上仍然运行得更好。而那些需要承担真正责任、需要审批、需要上报并产生后果的决策，则仍需要人工处理。
近期模型中，智能体在精心编排的工作流程中运作。承担更多的认知责任。但仍受管控。仍可观察。
为何重要：尽管前沿人工智能巨头们仍在大力宣扬完全自主，但UiPath的方法更为务实——只在机器人真正能发挥优势的地方部署它们，而让人类负责更高价值的任务。

这种方法虽然不那么令人兴奋，但它能让机器持续运转并产出成果，是真正经得起考验的人工智能应用方式。

企业关于人工智能最容易犯错的一点是什么？
阿塔拉：期望它能修复一个破损的流程。人工智能让好的工作流程更快，而坏的工作流程成本更高。
公司在向团队引入人工智能方面存在哪些误区？
阿塔拉：将其描述为发生在人们身上的事情，而不是他们将用其构建的东西。焦虑源于这种描述方式，而这种焦虑通常是可以避免的。
如果你不在UiPath工作，你想解决什么人工智能问题？
阿塔拉：企业认为人工智能能为其带来的好处与人工智能实际能做到的事情之间存在差距。这是一个clarity问题，而非技术问题。我觉得这真的很有趣。