本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
# 了解代理人工智能经济学 AWS
关键原则之一是确定何时使用 AI 代理以及何时使用传统的确定性方法。组织必须系统地评估哪些工作需要机构自动化，哪些工作应该使用传统的自动化或持续的人工操作。做出这一决定需要了解任务特征、风险承受能力和操作方法之间的关系。
在决定实施代理人工智能之前，您应该使用决策框架来了解经济影响。决策框架包括以下三个关键问题：
1. [任务评估](#understanding-task-assessment) — 此任务是否适合 AI 代理？
1. [风险影响评估](#understanding-risk-impact) — 涉及哪些风险？
1. [投资回报](#understanding-roi) — 是否具有成本效益？
## 任务评估
具有高度复杂性、标准化决策规则的任务可以从代理人工智能方法中受益。传统的自动化或机器人流程自动化可以更好地完成高度标准化、简单的任务。Agentic AI 系统擅长推理、理解上下文或适应性地做出决策，它们在基于规则的处理之外还能增加价值。成功的代理人工智能实施需要能够学习和适应的系统。
评估任务时，请考虑以下因素：
+ **复杂性** — 所需的推理程度和上下文理解。与传统的自动化相比，需要情境理解、细致入微的解释或对不断变化的条件做出适应性反应的任务更倾向于代理方法，而纯粹的机械或计算任务可能不需要代理智能。
+ **标准化** — 存在明确的模式和规则。如果任务需要情境理解，则建议使用 Agentic AI。如果不需要适应或学习，可以考虑传统的自动化。
+ **音量**-任务执行频率。建议将 Agentic AI 用于自主活动。对于高容量、一致的任务，建议使用传统的自动化。但是，光靠音量并不能决定方法。少量、高价值的决策可能证明机构为提高决策质量而不是降低成本提供援助是合理的。
+ **价值**-每次任务完成的业务影响。考虑使用代理人工智能来实现需要类似人类的自主能力的高价值成果。对于重复的、一致的任务，可以考虑使用传统的自动化，这些任务可以通过确定性方式完成。
## 风险影响评估
目前有四种代理人工智能部署方法：完全自主、人类在环、副驾驶或在代理支持下由人主导。每个人都有自己的风险状况和容错能力，它们都以某种身份涉及人类。下表描述了这些方法的风险细节。
|
|
| **自治级别** | **风险概况** | **容错能力** | **用例示例** | **人类参与** |
| --- |--- |--- |--- |--- |
| 完全自主 | 低风险 | 1-2% 可以接受 | 基本数据分类 文档路由 标准报告生成 | 尽量减少监督 定期审计 |
| Human 在圈子里 | 中等风险 | 低于 0.5% | 答复草稿 内容审核 初步索赔处理 | 定期审查 异常处理 质量保证 |
| 副驾驶 | 高风险 | 接近零 | 战略规划投入 风险评测 投资决策 | 人类做出最终决定 代理提供建议 |
| 人为主导，支持代理 | 严重风险 | 零容忍 | 法律决定 医学诊断 监管合规 | 人为驱动流程 Agent 仅提供研究或分析以及支持信息 |
下表描述了在这些方法之间进行选择时的关键注意事项。
|
|
| **考虑** | **完全自主** | **Human 在圈子里** | **副驾驶** | **人为主导** |
| --- |--- |--- |--- |--- |
| 成本效益 | 最高 | 高 | 中 | 低 |
| 可扩展性 | 无限制 | 高 | 中 | 有限 |
| 处理速度 | 最快 | 快速 | 中 | 慢 |
| 风险管理 | Basic | 增强 | 很强 | 最强 |
| 复杂性处理 | 简单的任务 | 中等复杂的任务 | 复杂任务 | 关键任务 |
该考虑框架可帮助组织将自主权级别与风险状况相匹配，适当扩展运营，在效率与控制之间取得平衡，实施适当的治理并优化资源分配。
## 投资回报率
计算代理人工智能系统的投资回报率首先要进行全面的成本分析。组织必须首先计算其当前的人力成本，包括工资、福利和工作场所费用，以及特定流程的费用和隐性成本，例如培训、保险和停机时间。
为了进行收支平衡分析，组织应考虑实施成本、持续运营费用以及证明投资合理性所需的数量。同样重要的是要考虑季节性变化以及随着时间的推移系统成熟和改进而出现的学习曲线收益。
在评估人工智能代理时，组织应记住，与人工操作相比，这些系统的前期成本通常更高，但每笔交易的成本更低。此外，与人工团队相比，AI 代理的性能会随着时间的推移而提高，并且可扩展性更好。随着部署规模和运营经验的积累，这使得它们的成本效益越来越高。