AI Agent如何开始自动化企业

Orby推出企业级AI模型LAM，用ActIO收集百万级“痕迹”数据，探索Salesforce、SAP等软件的自动化任务。对比OpenAI Operator，Orby强调“grounding”和AI Agent软件栈。建议CIO关注用户痛点，利用AI Agent简化耗时但易于自动化的流程，如费用报告审计，无需API集成，但需重视安全和人工参与。

译自：How AI Agents Are Starting To Automate the Enterprise 作者：Richard MacManus

到目前为止，2025 年是 AI agent 的一年——生成式 AI 技术被用于自动化操作。我们已经看到了 OpenAI 的 Operator 的首次亮相，展示了一个可以浏览网页并为你完成任务的原型 agent。现在，一家名为 Orby 的新公司正在将同样的方法引入企业，它称之为大型行动模型 (LAM) 的一种 AI 模型。

我与 Orby 的联合创始人兼首席技术官 Will Lu 谈论了企业中的 agent。在加入 Orby 之前，Lu 曾是 Google Cloud AI 的工程负责人。

那么什么是 LAM？它与 LLM 究竟有何不同？Lu 解释说，与 LLM 将文本或图像作为输入并生成文本或图像作为输出不同，LAM 专门为企业环境中的自动化任务而设计。他提到 Salesforce 和 SAP 作为其 LAM 探索过的 IT 软件产品的示例，目的是识别可以自动化的任务。

他继续说，LAM 将行动作为输入——例如应用程序屏幕截图、网页 HTML 内容、用户交互（例如鼠标点击和键盘输入）。他说，Orby 的 LAM 可以使用这些上下文来自动化复杂的工作流程。

Orby ActIO 图;通过 Orby

企业软件的痕迹

Lu 用“痕迹”一词来描述其基础 LAM（名为 ActIO）一直在收集的工作流程数据。他说，它已经收集了“超过一百万条痕迹，通常一条痕迹可能有 10 到 50 步长”。

在之后的澄清邮件中，Lu 扩展了“痕迹”的定义：

“…痕迹是完成特定任务的一系列操作。一个操作被捕获为上下文、网页应用程序的屏幕截图和 html 以及桌面应用程序的可访问性树的组合，以及诸如鼠标点击、按键类型等事件。”

他接着解释说，他们的软件会主动探索企业软件环境（例如，Salesforce、ERP 系统），以识别可以自动化的任务。该 agent 自主尝试这些任务，并且性能最佳的尝试（成功的痕迹）用于微调模型。

像大多数其他大型语言模型一样，Orby 已经在开放的 Web 数据上训练了 ActIO。但是，Lu 补充说，他们还可以使用客户的专有数据进行微调。

与 OpenAI 的 Operator 的比较

Orby 的解决方案与 OpenAI 的 Operator 有相似之处，后者于 1 月底 推出。Operator 目前仅适用于 Pro 用户（每月 200 美元），OpenAI 将其描述为“一个可以使用自己的浏览器为你执行任务的 agent 的研究预览”。在评论中，《纽约时报》的 Kevin Roose 称其为“与其说是一个我建议使用的产品，不如说是一个有趣的演示——而且绝对不是大多数人需要每月花费 200 美元的东西。”

我问 Lu，Orby 与 OpenAI Operator 相比如何？

他说，其中一个区别是 Orby 有一个它称之为“grounding”的概念。

“基本上，grounding 是 [对于] 你想要做的特定操作——例如，提交报告。所以这就是操作，然后你想找到可以完成该操作的元素，然后触发它。这称为 grounding 步骤。”

这个概念来自 Orby 与俄亥俄州立大学合作的一个项目，名为 UGround——被描述为“一种通用的视觉 grounding 模型，用于通过 GUI 上的像素坐标定位操作的元素”。UGround 在来自 130 万张屏幕截图的 1000 万个元素上进行了训练。

“当涉及到真正复杂的、真实的企业用例时，我们期望技术人员确保它能够大规模运行。” – Will Lu, Orby CTO

Lu 还指出，Orby 拥有一个 AI agent 软件堆栈，可提供给企业。

“所以基本上 […] 我们将其设计为用户可以演示如何完成任务。基于该演示，我们生成描述和描述下的代码以供运行。然后 […] 开发人员可以进入，查看描述和生成的代码，并根据他们的需求进行修改——然后根据应用程序定义的代码运行 agent。”

Lu 补充说，对于简单的任务，非技术员工可以运行这些任务。但是对于更复杂的“操作”，通常会涉及开发人员。

“当涉及到真正复杂的、真正的企业用例时，我们期望技术人员确保它能够大规模运行。例如，当一项任务目前由 100 个人完成时，您需要确保虚拟机设置正确，代理在相同的环境中运行，并且他们可以访问所有系统和所有凭据。”

给 CIO 的建议

AI 代理，或者用时髦的术语来说，智能代理 AI，已经迅速成为企业 IT 部门需要考虑的优先事项。所以我问 Lu，当考虑是否以及何时使用 AI 代理时，他会给 CIO 和其他企业 IT 领导者什么建议。

“我认为最关键的是找到用户正在寻找的真正的业务痛点，”他回答说。“然后，当涉及到业务痛点时，我们希望确定对用户来说非常耗时的步骤。”

他补充说，这些步骤对于人类员工来说可能很耗时，但“对于计算机来说真的非常容易”。

Orby 客户的一个用例是费用报告审计。

“几乎每个企业都有这个流程，而且这个流程有点乏味，”Lu 说。“你必须打开一份报告，查看所有的收据，查看所有填写的信息，然后检查信息是否匹配 [...]。还要根据公司定义的政策检查这些报告——例如，不允许饮酒。”

“……只要我们的代理能够访问系统 [...]，我们就可以登录系统，然后开展工作。” – Lu

作为一名科技记者，我的本能后续问题是询问 Orby 的软件连接到哪些 API——例如，SAP。但 Lu 证实，这一切都是通过 AI 代理完成的；不需要 API。

“这就是我们解决方案的优势。我们 [Orby 的软件] 主要像人类操作这些系统一样操作这些应用程序。因此，不需要实际的集成。因此，只要我们的代理能够访问系统，只要我们有凭据，我们就可以登录系统，然后开展工作。”

那么，安全问题呢？Lu 证实，安全“始终是几乎所有企业的首要要求”，并且他们与每位客户合作解决这个问题。

最后，值得注意的是，即使 Orby 的目标是帮助企业自动化工作流程，但目前始终有人工参与。

“整个智能代理工作流程设计是我们整个产品的核心，因为今天的模型仍然不能 100% 工作，而且这种情况还会持续很长时间，”Lu 说。“因此，我们通过设计内置了人工参与流程。”