智能代理 AI 雷声大雨点小？Booking.com 分享五大经验，24 个月将有更多开创性发展！

ZDNET 要点总结智能代理 AI 虽常被热议但实际投入生产服务的情况不多。聪明的专业人士会聚焦具体用例和支撑技术测试流程、优化方法并寻找新机会。与数字和商业领袖交流时发现大家虽对智能代理有所探索但尚无投入生产的项目。特别专题智能代理 AI提高效率、赋能员工并改变成果智能代理 AI 正改变各行业工作性质。此专题将揭示企业在各部门实施和管理智能代理 AI 的方法剖析其在关键指标上的投资回报率探讨如何通过最佳实践最大化投资回报。企业不能无休止进行无商业价值的试点项目专家指出不利用 AI 的专业人士有被淘汰风险企业需尽快部署成功的智能代理。在线旅游专家 Booking.com 的数据与机器学习平台总监 Huy Dao 负责从 AI含智能代理服务中创造价值。他采用结构化服务推出方法针对客户挑战提供解决方案取得显著成果将其称为 无缝旅行体验即确保客户旅行各元素形成完整体验。打造 无缝旅行体验 需整合不同来源信息。Dao 团队创建的数据栈使 Booking.com 能开发新的 AI 赋能服务包括首个智能代理应用—— 合作伙伴 - 客户 系统。以下是他总结的五条关键经验供想将智能代理 AI 试点项目转化为出色生产服务的专业人士参考。1. 明确业务挑战Dao 认为利用新兴技术关键在于找到合适应用场景。他觉得 AI 是实实在在的变革力量工作中每天都能看到其对工作方式的影响。在 Booking.comDao 团队发现及时回复客户咨询是酒店合作伙伴的关键挑战智能代理技术可帮助酒店更快、更准确回复问题。此前客户联系酒店询问信息酒店员工回复需做更多工作且可能因不在而让客户久等。2. 构建数据平台Dao 团队创建的数据栈加速了 AI 和机器学习技术在相关场景的应用。他强调 AI 是变革力量。Booking.com 的 Snowflake 数据平台是集成栈一部分还包括 ThoughtSpot、Astronomer、Airflow、Immuta、Arize 以及 AWS。数据团队测试并使用 OpenAI、Amazon Bedrock 和 Google Gemini 等供应商的 AI 模型。Booking.com 内部用 Python 开发 合作伙伴 - 客户 通信系统数据团队用开源智能代理框架 LangGraph 处理客户咨询。Dao 表示有效智能代理系统要考虑用户界面应在对用户有意义的地方集成技术或 AI 功能如在合作伙伴的网络门户集成智能代理。3. 谨慎测试用例确定业务挑战并完善技术平台后Dao 团队分两阶段实施。第一阶段开发出 Smart Messenger 智能代理技术收集相关信息支持酒店员工与客户沟通。在智能代理服务初始阶段人工干预很重要。Dao 表示要确保合作伙伴对回复有最终决定权为其提供助手若对答案满意可快速回复。4. 随着信心提升进行任务委派随着时间推移有信心的酒店合作伙伴可将更多工作委派给智能代理这是智能代理实施的第二阶段。Booking.com 的自动回复工具允许酒店合作伙伴定义自定义回复对客户问题即时响应。Booking.com 报告早期实验显示与之前消息传递工具相比合作伙伴满意度提高 73%。智能代理会从交互和反馈中学习调整回复以提高准确性和相关性降低客服成本。5. 寻找更多机会Dao 认为智能代理应用要结合具体用例。团队会持续完善平台为其他智能代理探索奠定基础。他建议其他专业人士借鉴经验测试时觉得不错的系统投入生产后可能会出现延迟等问题需简化架构和平台。Dao 预计未来 24 个月Booking.com 将有更多开创性发展公司将大力投资生成式和智能代理 AI 以提升用户体验希望在网站上提供类似甚至更好的旅行体验。人工智能相关内容- 我试用了一款本地、开源且完全免费的 Claude Code 替代工具——它是如何工作的- 如何立即从 Windows 11 中移除 Copilot AI- AI 正在悄然自我毒害推动模型走向崩溃——但有解决办法- 如何识别 AI 图像6 个明显的造假迹象以及我常用的免费检测工具