我们相信每个白领职位都会有一个 AI 助手。其中一些职位将完全由 AI 代理自动化。

虽然现任者通常对技术变化反应缓慢（这就是为什么 标准普尔 500 指数中组织的平均任期 从 1970 年代的 35 年降至今天不到 20 年！），最自然的地方让这些 Copilot 和 Agent 存在就是现任工作流程或记录系统（例如，从 Salesforce 启动的销售代理）。记录系统（SOR）是数据代理完成专业任务所需数据的存放地，也是任何新用户界面存在的自然发射台（例如，给 Agent 写 Prompts）。

那么，如果一家初创公司想要建立一个大型的 Copilot 或 Agent 公司，它如何才能克服现有公司的自然优势呢？

在数据收集阶段“上游”插入

贷款或保险单的数据仍然常通过电子邮件和 PDF 收集。一家初创公司可以“人工智能化”这个工作流程并拥有数据在它到达现有的系统之前。例如，一个虚拟贷款专员或保险代理人（像“Cascading AI”的“Sarah”）可以负责最初的客户文件收集和预约安排。同样，像11x.ai这样的虚拟销售开发代表（SDR）可以收集潜在客户的所有信息，并在现有系统中创建记录之前拥有最初的通信。

初创公司应寻找数据输入和录入、日程安排以及往返通信等任务作为切入点。

“人工智能化”一个在现有体系外，进行的痛苦工作流程

在银行业，了解您的业务（KYB）入职流程几乎没有比这更乏味的事情了，这涉及到文件检查、互联网搜索以及企业与金融机构之间的来回沟通。像 Parcha.com 这样的公司会自动解析每个上传的文件，提取所需信息，并跟进客户以获取缺失的信息。医疗保健是另一个有许多痛苦工作流程的行业。Tennr 将处理每一份发送到传真机的医疗文件，提取患者和诊断信息，甚至进行保险预资格审核，以简化患者到医疗机构的就诊流程。

通过解决一个痛苦的工作流程，初创公司可以成为数据的存储库，并获得进一步自动化工作流程的权利。

整合不同的数据源，以创建一个“新的多模态”记录系统

存在大量与待完成的工作相关的数据，这些数据远超过现有的 SOR 所持有的数据。例如，销售数据不仅存在于 Salesforce 或 Hubspot 中：还有电子邮件和 Slack 消息、销售支持材料、产品使用数据、客户支持记录、新闻和财务报告等。通过整合这些数据源，新公司可以从比现有公司更全面的数据中提取信息。例如，像Pylon这样的公司旨在通过提供客户问题的单一视图，成为快速增长的 B2B 公司的客户 SOR。

通过LLMs，初创公司可以构建全新的 SOR，这些 SOR 可以是完全非结构化和多模态的，不断摄取文本、图像、语音和视频数据，以创建最新的上下文。

在许多职业中，助理和代理的机会层出不穷

A 最近的一项研究由 OpenAI 和宾夕法尼亚大学进行，发现如果能够使用LLM，美国约 15%的工人任务可以在相同质量水平下显著加快完成速度。当结合基于LLMs构建的软件和工具（即垂直 SaaS）时，这 比例增加到所有任务的 47%到 56%之间。

受到这项研究的启发，我们从美国劳工统计局提取了 2023 年的就业数据，并确定了 50 个角色，其中 50%或更多的任务可以由人工智能执行。也就是说，我们认为那些未能包括在内的工作同样具有人工智能助手和 Agent 的潜力，甚至更多，包括全国的 48，000 名经纪人文员、44，000 名接线员、37，000 名文字处理员、25，000 名精算师和 52，000 名医学转录员等。

虽然这个列表不是相互排斥或详尽无遗的，但我们希望它能激发你的想象力！

文章来自于微信公众号“Z Potentials ”，作者“a16z ”