重新理解Agent的边界与潜力｜AI转型访谈录

正文

请到「今天看啥」查看全文

范凌:

就拿我刚才举的西游记的例子来说，通过阅读，我们能够了解孙悟空是什么样的人。通过了解他的性格特点，我们就可以推演出他可能会做出什么样的决定、有什么样的判断，甚至能推测出他对某些事情的观点，而不仅仅是了解他掌握的知识。

徐思彦:

这个想法很有意思。不知道业界是否有其他公司也是这样定义的，现在很多人可能还是把Agent简单地看作是App的下一个发展阶段。

范凌:

大家对Agent的发展都很兴奋，特别是通过MCP实现的各种功能。虽然我们也很期待，但目前我们主要专注于用Agent进行模拟研究。至于其他公司的具体情况，我不太了解。其实在学术领域，这并不是一个全新的话题，就像Agent这个词本身也不是新概念一样。过去的模拟研究主要关注群体行为，比如元胞自动机等理论研究。这就像研究蚂蚁群落一样，观察每个个体的行为。这些研究一直在持续，最近也有很多突破性进展。比如在市场营销和信息系统 （IS） 领域，很多研究者正在探索用Agent进行市场调研。现在甚至出现了"生成式社会科学"这个新兴学科，专门用Agent来模拟社会问题。与过去主要关注群体的模拟不同，现在我们能够更深入地研究个体层面。

徐思彦:

对学术之前有论文斯坦福小镇还是比较火的。

范凌:

对斯坦福这个团队还写了一篇我像模拟100个1000个随机的美国人用Agent的。

徐思彦:

刚刚讲的都讲了底层的逻辑是怎么思考的，那可能需要一个更加具体的案例来为大家解释一下Atypica.ai是怎么样工作的。

范凌:

工作流程其实非常直观。在网页上你会看到一个对话框，和常见的AI工具一样。你可以在对话框中提出需要分析的商业问题，系统会追问三到五个问题，来明确你的具体目的。比如说，假设我想研究一个产品的用户反馈，系统会问你："你是以什么角色来研究这个问题？你想了解性能反馈还是用户体验反馈？获得这些反馈后，你打算用于新品研发还是竞品调研？"通过这些追问，系统会更清晰地理解你的需求。

第二步，系统会把前面的问答内容整理成一系列具体的工作任务。然后第三个Agent会在社交媒体上进行实时搜索，我们主要覆盖小红书、抖音和Instagram这些平台。我们不是直接调用平台的数据接口，而是像真实的研究员一样去搜索内容。搜索后，我们能看到很多帖子，包括原文和评论。基于这些上下文，我们会模拟发帖用户的典型消费者画像，一般会生成至少5个典型用户画像，有些客户甚至会要求生成100个。

徐思彦:

Persona是一个在设计领域的专业的术语？

范凌:

Persona相当于人的原型人物画像。然后接下来会触发下一个Agent进行Interview就还问这些原型的人，相应的问题，这些问题都会和你要解决的大问题有关。问完以后把这些问答总结成Summarize成一段话。这段话再生成一个图文并茂的报告大概是这样的一个过程。

徐思彦:

产品设计上，是先从使用场景倒推出现在的产品形态，还是从模拟群体再推演出他可能的使用场景？

范凌：

让我来解释一下我们系统可以解决的四个主要商业问题：第一是市场洞察。比如，我们可以分析用户对某个产品的反馈。举个例子，我们最近研究新能源汽车市场时发现，有两个以上孩子的年轻家庭可能会需要MPV （ 多功能商 务车） 。第二是产品共创。我们可以邀请目标用户群体一起参与产品开发。第三是产品测试。假设你要为健身爱好者开发一款巧克力，你有A、B、C三个配方，我们可以帮你分析哪个配方最受欢迎。第四是内容规划。比如很多小红书博主会用我们的系统分析自己的账号定位，规划未来的内容方向。除了这些预期的用途，我们也发现用户在开发一些有趣的新用法。比如有人用它来规划留学，分析自己的背景并获取适合的学校建议。

最后分享一个有趣的例子：以前外国企业要了解中国市场，必须依靠中国团队做调研。现在他们只需要用Atypica用法语提问，系统就能分析中国社交媒体数据，直接生成法语报告，大大提高了效率。

徐思彦:

类似“田野调查”。

范凌:

是的。现在我们正在与一些权威媒体合作，把他们独特的数据源整合进来。这些是宏观层面的、准确的数据，不同于社交媒体上的道听途说。我们把这些严谨的数据和观点，结合社交媒体上的多元声音，形成完整的分析报告。比如说，研究中国新能源汽车如何在东南亚市场拓展这类严肃话题时，我们就在增加定量分析的比重。

Agent的创新设计带来了哪些场景新思路

徐思彦:

在最初的设想里，这项技术主要是服务于市场调研领域的用户研究。这启发我觉得这种模拟特别适合用于个人规划，因为它可以帮你探索人生中不同的可能性。现在很多时候AI在落地的时候幻觉是一个很大的问题，或者它的准确率是一个很大的问题。在你们的场景里，准确率是不是一个问题，在哪些场景会用的比较好？

范凌：

我觉得幻觉和准确率对于商业研究来说是有两面性的。商业问题既是科学又不科学，这就是为什么我前面会说它既是Science又是Art。这也是为什么我们要跟一些严肃的媒体谈合作，接入他们的数据源。虽然不是每个报告都需要接入，但对于一些特殊的问题或高阶用户来说，我们需要获取权威性的数据。这些权威数据应该优先于社交媒体上的道听途说，以确保分析的真实性。

这是Science的部分。至于Art的部分，当我们需要开拓思维时，我们需要看到更多元的视角，这时社交媒体的数据就特别有帮助。语言模型直接回答问题时会给出非常结构化的答案，但让它分析社交媒体数据时，就会发现其中存在很多争议和讨论，内容会更加丰富多样。这就是商业问题的特点，也是我们称之为复杂问题的原因。你既需要基于事实的共识，又要探索共识之外的可能性。有时候你需要看到多种非共识并存的状态，最终由人来做决策。洞察的作用不是帮你做决定，而是帮你看到更多可能性。所以我认为，这个系统在处理这种非共识的、艺术性的部分特别有优势。

某种程度上，Hallucination（幻觉）反而是件好事，因为它能让思维更开放。

请到「今天看啥」查看全文