OpenAI發布了其根據自身技術研發與產品開發的通往AGI的五級量表。OpenAI 將 AI 開發分為五個階段，每個階段代表更高級的能力水平：

• 第 1 級：聊天機器人—具有對話語言技能AI
• 第 2 級：推理者能夠在人類層面解決問題的AI
• 第 3 級：Agents可以代表用戶執行操作的AI
• 第 4 級：創新者 — 可以協助發明的AI
• 第 5 級：組織者 — 可以管理組織任務的AI

彼時OpenAI剛發布o1模型不久，并且正在籌建多智能體團隊，因此處于第二階段與第三階段之間。現在的OpenAI已經開源了多智能體框架Swarm，當然它仍然處于2.5這個level。后續的進展，還要看明年初將要發布的能夠操作PC的智能體。

目前OpenAI向多Agent系統邁進與第三階段的目標一致，其中 AI Agent應代表用戶執行操作，從而提高他們的能力和效率。

這里，也貼上這個五級量化表的中文版。

可以看到，OpenAI定義的第五級是能夠幫助組織完成復雜業務流程的AI。按照現在AI的發展速度，GUI-Agent將能夠快速接管一定的企業流程自動化，加上RAG技術的快速迭代翻新，5年之后差不多能夠實現。但實現這個目標，卻不一定能夠實現AGI的目標。畢竟LLM是存在一定的技術缺陷的，這也是抱有“AI泡沫論”看法之人的主要論據之一。

有人把OpenAI的五級量表看作通往AGI之路，也有人并不這么認為。比如在近日的一次采訪中，微軟人工智能首席穆斯塔法?蘇曼（Mustafa Suleyman）與 OpenAI 首席執行官山姆?阿爾特曼 Sam Altman)之間就人工通用智能(AGI)的實現時間產生了明顯分歧。盡管 AGI 的實現是 “有可能的”，但這一目標可能需要十年的時間才能達到。

當然，還要看大語言模型的發展進程，畢竟LLM Based Agent的重點在于LLM。

AI Agent的5個級別

Autonomous Agents（自主智能體）是能夠獨立執行一系列復雜任務以實現目標的AI系統。它是AI Agent發展的終極目標，各種類型的智能體都將奔著這個目標而努力。而現在我們常說的Agent其實也是泛指自主智能體，確切的說是自主智能體發展的初期階段。隨著人們的進一步探索，更加詳細的AI Agents 5級量化呼之欲出。

下面這張圖來自于 Kore.ai首席宣傳官COBUS GREYLING，完整而詳細的描繪了不同級別的AI Agent的技術、性能、能力、關鍵特征和用例。

通過具體技術描述的五級AI Agent，如下：

1. L0級別（無AI）：這個級別的AI Agent不具備人工智能，僅有具備感知能力的工具加上行動功能。它們僅依賴于基礎規則和手動操作，無法展現智能化的行為。

2. L1級別（基于規則的AI）：這個級別的AI Agent采用基于規則的人工智能系統。它們能夠根據預設的規則來執行任務，但缺乏自我學習和適應新情況的能力。

3. L2級別（基于模仿學習/強化學習的AI）：這個級別的AI Agent使用模仿學習（IL）或強化學習（RL）的人工智能，取代基于規則的系統，并增強推理與決策功能。它們能夠通過學習來改進行為，以更好地適應環境。

4. L3級別（基于大型語言模型的AI）：這個級別的AI Agent采用大型語言模型（LLM）的人工智能，替代IL/RL系統，并增設記憶與反思模塊。它們能夠處理更復雜的任務，并且具有一定的記憶和自我反思能力。

5. L4級別（自主學習和泛化）：在L3級別的基礎上，L4級別的AI Agent提升了自主學習和泛化能力，能夠更廣泛地應用學到的知識，并在不同情境下進行泛化。

6. L5級別（個性和協作行為）：在L4級別的基礎上，L5級別的AI Agent融入了個性（情感與性格）和協作行為（多智能體交互），它們不僅能夠獨立學習，還能與其他智能體協作，展現出更接近人類的行為特征。

需要說明的是，這張圖表也是一個矩陣圖。X軸（性能）從下到上展示隨著智能體級別的增長性能逐步提升，Y軸（一般性）從左到右展示了不同級別智能體的各項屬性。

這張圖最具價值的地方在于，它不僅展示出了智能體的技術路徑，還通過特征與案例讓大家更容易理解各級智能體，并用具象化數字表述出了它們的能力，對于企業應用智能體和技術企業開發智能體都有一定的指導作用。

從這張圖表來看，目前市面上以及大家在用的AI Agent主要為第三級，且正在向第四級發展。整張圖片描繪了一個非常有“錢景”的AI Agent未來畫卷。

• AI Agent應用程序利用一個或多個語言模型作為其核心基礎或主干，動態生成響應和操作。
• 這些應用程序管理狀態和轉換，同時實時構建事件鏈以解決特定的用戶查詢，從而提供自適應解決方案。
• AI Agent擅長處理模棱兩可或隱含的問題，將它們分解為連續的子步驟，并通過行動、觀察和反思的循環迭代處理，直到達到最終解決方案。
• 延遲和成本管理對于對話式實施至關重要，可以平衡響應能力與資源效率。Agentic 實現的延遲可能是個問題。
• 可檢查性和可觀察性對于生產實施至關重要，開發了強大的機制來揭示AI Agent所經過的狀態和路徑，從而確保透明度。
• 為了完成任務，AI Agent可以使用各種工具，每個工具都有明確的目的——無論是進行 API 調用、執行計算還是搜索 Web。
• 人機協同 （HITL） 可以用作輔助工具，使AI Agent能夠在需要時尋求人工輸入，從而擴展其操作能力。
• 可以無縫集成新的AI Agent工具以擴展功能，從而允許持續適應和增強自主AI Agent功能。
• AI Agent擁有真正的自主權，獨立做出決策和執行行動，需要最少的人工監督。自主性級別由 AI Agent 可以循環的迭代次數設置，以得出結論;以及可供使用的工具數量。
• 憑借先進的靈活性，AI Agent可以根據情境需求動態選擇和排序工具，采用推理和自適應策略來解決出現的復雜任務。

智能體自動化的五個級別

在五級AI Agent的基礎上，自動化領域開始探索智能體自動化（Agentic Automation，也稱作代理自動化）。而一旦Agent成為元宇宙一樣的流行詞匯，也意味著更多人并不了真正解它。所以為了消除這些噪音并幫助更多公司設定他們的目標，Semae.ai引入了一種根據AI Agent功能和結果對AI Agent進行分類的方法。這也是一個智能體分類方法，不過角度換到了自動化。如下：

下面，是對于每一級智能體自動化的具體解讀。

0 級：固定自動化

在基層，固定自動化不代表真正的Agent行為。它相當于傳統的機器人流程自動化 （RPA），具有一組固定的規則和完全確定的結果。沒有計劃或執行控制，因為一切都是在編程過程中預先確定的。人工交互僅限于處理異常，并且任務范圍僅限于基于規則的邏輯。

示例：表單、網站和業務應用程序的數據輸入。數據收集和抓取。

第 1 級：AI 增強自動化

首先，第一級在個人決策層面介紹基本的Agent行為。它本質上是固定的自動化，其中一些步驟由大型語言模型 （LLM） 增強。雖然與傳統自動化相比，它提供的好處有限，但它代表了通過約束決策邁向更高級Agent的第一步。

示例：對客戶支持電子郵件進行分類并將其轉發給合適的團隊。

第 2 級：Agent助理

隨著我們上升一個級別，我們看到能夠使用工具調用的特定任務Agent自動化助理。這些系統可以解釋用戶意圖，確定所需的結果，并采取適當的行動——例如總結文本、生成內容或使用特定工具。但是，它們僅限于靜態的短期計劃。

示例：用于搜索、匯總和起草電子郵件的對話式 co-pilot。

第 3 級：計劃和反思

今天，這個級別通常被稱為 AI Agent，它是第一個表現出受限自主性的級別。這些Agent系統可以根據給定的意圖創建計劃，執行它們，反思它們的成功，并在必要時在執行過程中修改計劃。當今許多高級 AI Agent都在此級別運行，能夠進行多個推理循環和規劃以實現預期結果。

示例：根據一組人工級別的規則和準則，根據內部系統對賬一張100頁的發票。處理流程流和數據中的復雜性、模糊性和可變性。

第4 級：自我完善

4 級Agent自動化將能夠在有或沒有人工協作的情況下進行有意義的自我提升。它可以檢查和修改其指令和學習數據，創建新工具，并連接到新的數據源。這種級別的自動化使Agent能夠跟上不斷變化的任務和環境。雖然目前是理論上的，但我們知道 4 級系統是可能的。然而，今天的 AI 模型缺乏在實際業務應用程序中支持它們的推理能力。

示例：復雜發票對賬的Agent，可以通過最少的人工協調添加新供應商，并隨著時間的推移提高準確性。

第 5 級：自主性

最高級別的Agent自動化代表了許多人認為的通用人工智能 （AGI）。這些假設的Agent表現出原創思維，并將綜合解決以前看不見的任務。利用先進的邏輯推理和創造力，5 級特工將能夠解決初始訓練之外的復雜問題。

示例：數字知識工作者能夠在沒有監督的情況下端到端處理復雜任務。

對于分類和了解智能體自動化和AI Agent的功能，這個框架提供了一種有用的方法。通過明確定義這些級別，可以更好地溝通AI系統，設定切合實際的期望，并規劃智能體自動化開發的前進道路。

需要注意的是，目前我們主要在前三個級別內運營。超出此水平代表未來的可能性，這些可能性將改善我們的工作方式。隨著技術迭代和應用發展，按照作者的意思，這個框架應該也會會不斷發展以適應 AI 功能的新突破和見解。

從自動化角度來看市場的話，目前更多企業尚處于L0-L1，從L0、L1到L3，是廣大技術供應商的機會。

自主工作的六個層次

AI Agent不只影響了企業數字化技術的應用，更影響了廣大組織的業務架構與作業方式。Agent的終極發展目標是Autonomous Agent能夠實現主動響應和自主運行，所以在Agentic AI影響下的工作最終也將發展成為自主工作（autonomous work）。

未來十年不斷改進的AI資源將對企業和人類勞動力產生雙重影響。AI將產生廣泛的增強效應，接管低價值的任務，并使人類能夠將精力集中在更具戰略性和創造性的工作上。

在這個不完整但仍然相對堅實的基礎上，受到汽車工程師協會創建的“駕駛自動化的6個級別”的啟發（PS：駛自動化已經啟發了很多行業），Salesforce首席數字宣傳官Vala Afshar等人開發了一個認知框架-自主工作的六個層次，用于反映AI 能力的演變以及它們將如何在未來十年左右對公司產生影響。

下面是對這個框架各維度的簡單解釋。

級別（Level）

每個自動化工作級別都由數字（0-6）和標題標識。標題指的是AI在該級別可以完成的工作量和復雜性。它本質上是一個通用的工作分解，從最小和最簡單的工作單元開始，即一個任務（1級）。

比任務高一級的是子流程（2級），指的是通常按順序執行以完成業務流程的一個離散部分的一組任務，例如確保所有相關信息已準確無誤地收集完整以開啟客戶案例。

在3級，AI有能力完成一個業務流程，如接收客戶訂單、從開放到關閉管理客戶案例，以及篩選潛在客戶。

在4級，AI可以完成從開始到結束的幾個流程，執行通常按角色分配的大部分工作，如銷售代表、營銷專家或服務Agent。我們在這里關注的是典型的商業運營，但在制造業和其他類型的運營中也同樣適用。

階段（Phase）

六個自動化工作級別并不代表AI的線性發展軌跡。AI不會以傳統的職業晉升方式在組織中發展到更高級別的角色。相反，在其發展過程中將有兩個非常不同的階段。

第一個是1-3級，我們可以將其描述為增強階段，在這個階段數字助手將使人類員工能夠發揮最大的工作能力，并為他們創造新的機會。

第二個是4-6級，這是替代階段，在這個階段數字Agent將從人類那里承擔越來越多的責任，并隨著時間的推移開始取代他們。

AI角色（Al Role）

在這里，我們從非技術的角度描述了AI的主要能力以及它與人類同事的關系。如果有興趣，我們將在后續提供每個級別的更深入的技術視角，但現在我們希望突出人與AI之間的關系。

人類角色（Human Role）

這是AI角色的另一面，同樣關注人類與AI之間的關系以及他們的相對責任和能力。

采納（Adoption）

預計主流采納者（廣泛包括早期和晚期大多數采納者類別）開始在每個級別應用AI的日期。創新者和早期采納者會更早，而落后者可能會更晚，除非危機改變了他們的發展軌跡。

采納率將因行業而異，甚至因部門而異。即使在員工層面，采納過程也不太可能是平滑的。有些人會欣然接受AI，盡管他們更可能接受的是讓他們從單調乏味的工作部分中解放出來的AI，而不是承諾（或威脅）執行更有創造性和/或戰略性部分的AI。

其他人，特別是那些擔心自己的工作將被AI完全取代的人，可能會抵制整個過程。總的來說，我們已經看到預測性和生成性AI在大多數行業中的應用實例，我們知道更復雜和有能力的機器人和Agent即將到來。

自主工作對商業的影響包括三個重要方面：

首先，AI的發展將分為增強（1-3級）和替代（4級以上）兩個階段。增強階段中，AI將提升工作效率，釋放人類從事戰略和創造性工作。替代階段中，AI將快速取代人類工作。

其次，AI將加速公司的運營周期，通過SUDA模型（感知、理解、決策、行動）提升公司的反應速度和決策優勢。

第三，AI將超越人類能力，處理復雜、準確和快速的任務，其能力將不再以人力單位衡量，而是以機器能力來衡量。

從整個認知框架來看，在某個階段可能在五年左右的時間里，AI將開始接管整個工作角色，從最“程序化”或基于規則的工作開始。最終，它將獲得足夠的決策和編排能力來接管整個團隊甚至業務線。

本文轉載自公眾號數字化助推器  作者：天涯咫尺TGH

原文鏈接：??https://mp.weixin.qq.com/s/mU94UlVrRFwzj5V6IVToxw??