AT&T 用智能体 AI 重塑业务流程,日处理 450 亿 token
AT&T Corp. 正在超越利用人工智能提升员工生产力的阶段,越来越多地应用自主智能体来重新设计其业务运营方式。近 500 个智能体工作流已投入生产,…
AT&T Corp. 正在超越利用人工智能提升员工生产力的阶段,越来越多地应用自主智能体来重新设计其业务运营方式。近 500 个智能体工作流已投入生产,这家电信巨头计划明年将该数字翻三倍。AT&T Business 数字化转型与人工智能助理副总裁卢克·科尔宾表示,AT&T 目前全公司每天处理约 450 亿个 AI token。其智能体 AI 平台每月处理超过 100 万笔交易。其中许多工作流现已自主运行,处理从客户开通到销售线索挖掘等一系列任务。
本月早些时候,在亚马逊云科技于波士顿举办的一场活动上,科尔宾表示,公司的做法强调重新思考整个流程,而非简单地将单个任务自动化。AT&T 已迅速从试验生成式 AI,转向系统性地识别可围绕智能体能力重新设计的业务流程。
这场转型的核心是“业务智能体工场”,这是一个于 2025 年初成立、与各业务部门协作的团队。科尔宾表示,该工场并非向员工征集孤立的自动化点子,而是利用行业框架梳理业务流程,并识别机会以消除不必要的步骤、组织交接环节和遗留应用依赖。
一项早期举措涉及自动化与 AT&T 大型机的交互。客户光纤安装订单的变更,此前需要员工从队列中取回工单、手动更新记录并将其返回工作流。智能体自动化消除了该手动流程的部分环节,减少了延迟并加快了服务交付。科尔宾说:“让我们最先进的一些技术与最老旧的一些技术进行对话,这挺酷的。”
在另一个例子中,AT&T 将在已安装光纤基础设施的楼宇内开通专用互联网连接所需的时间缩短了一半。
不同的方法
AT&T 的架构打破了构建大量独立、专用智能体的传统方法。相反,公司维护着一套相对精简的智能体,利用集中管理的业务逻辑来执行业务工作流。科尔宾说:“我们将业务逻辑存储在上下文或记忆中。”检索智能体识别适用的知识,而规划智能体则确定完成任务所需的行动、工具和数据。
治理是该流程的核心。员工个人可以独立创建个人生产力智能体,但影响客户的工作流必须通过工场,并接受安全、隐私和合规审查。科尔宾说:“我们已将智能体普及到员工可用于个人生产力提升的程度,但尚未普及到可以驱动那些可能触及客户或对业务产生实质性影响的业务工作流的程度。”
每个生产工作流最初都包含人工监督。只有当准确率在可允许的风险范围内达到中高 90% 区间后,智能体才能自主运行。持续监控会评估性能并检测偏差。成功指标包括劳动力节省、收入增长、运营成本和客户满意度。科尔宾表示,生产型 AI 投资在一年内实现了五倍的回报。
科尔宾说,这家拥有 151 年历史、自计算机发明以来就一直在使用计算机的公司,“建立在大量遗留流程和应用之上。维护这些应用、培训员工使用它们以及持续维护的成本非常高。当你能用更简单的生成式工作流来抵消其中一部分时,商业案例本身就不言自明了。”
销售线索挖掘是受益者之一。智能体通过验证潜在客户的位置并检查光纤可用性,在销售代表投入时间追踪销售机会之前,识别出有前景的客户。
协调数据
扩大这些能力需要的不仅仅是 AI 模型。AT&T 不得不整合碎片化的数据,并在数据中心、云基础设施和移动工作人员之间提供可靠的连接。科尔宾说:“我们经历了很多并购。你可以想象我们的数据基础设施是什么样子。”
鼓励员工主动提出使用智能体的想法,有助于减少那些担心 AI 可能取代自己的人的抵触情绪。用智能体取代低效流程的机会也起到了同样作用。他说:“组织中有大量人员,他们对自己过去使用但又不喜欢的业务流程拥有知识和热情。”
科尔宾表示,AT&T 现在正将重心从改进现有流程,转向利用智能体推出服务、进入市场和支持新的销售渠道。最终,科尔宾说,AI 驱动的业务转型责任应分布在整个组织中,而不是集中在像“业务智能体工场”这样的专门团队。他说:“能拥有现在的团队,我感到很荣幸,但从长远来看,我的团队不应该存在。我们所做的事情应该完全分布化。”
insigtX 内容为资讯/教育性质,非投资建议。