AT＆T让500个智能体接管业务

美国电信运营商AT＆T正在把人工智能从「帮员工省时间」推向「重写公司怎么运转」。据该公司业务部门数字化转型与AI副总裁卢克·科尔宾介绍，目前已有近500个智能体工作流投入生产，明年计划把这个数字再翻三倍。

规模已经不小：AT＆T每天在公司内部消耗约450亿个token，其智能体平台每月处理逾100万笔交易，其中相当一部分完全自主运行，覆盖从客户业务开通到销售线索挖掘的环节。科尔宾是在本月初波士顿一场亚马逊云科技活动上披露这些数字的。

做法上有一个明显取舍——不是让各部门零散报点子，而是2025年初成立了一个叫「业务智能体铸造厂」的小组，按行业框架把端到端流程画出来，专门找那些可以砍掉的步骤、部门之间的交接和遗留系统依赖。早期案例之一是把主机系统的交互自动化：过去修改客户光纤安装工单，员工要从队列里取单、手动更新记录再放回流程，现在这一段交给智能体，交付延迟随之缩短。在光纤已铺好的楼宇里，专线开通时间被砍掉一半。

架构上AT＆T走的是与主流相反的路。业界习惯堆大量专用小智能体，它却只维持少量智能体，把业务逻辑集中放在上下文或记忆里统一管理；由检索智能体找出适用的知识，由规划智能体决定完成任务需要哪些动作、工具和数据。科尔宾形容，让最先进的技术去和最古老的系统对话，「还挺酷的」。

治理是这套体系的前提。员工可以自己动手做个人效率类智能体，但只要流程会碰到客户或实质影响业务，就必须回到铸造厂过安全、隐私和合规三道审查。所有生产工作流初期都保留人工监督，只有准确率进入中高90区间、且风险在可接受范围内，才允许智能体自主运行，之后还要持续监测性能漂移。考核指标是省下的人力、带来的收入、运营成本和客户满意度——科尔宾称投产的AI项目一年内能拿到五倍回报。

真正的难点不在模型。这家151年的老公司遗留流程和应用极多，维护、培训和日常运转的成本都很高；又因为经历过大量并购，数据基础设施相当碎片化，想扩大规模就得先把数据整合起来，并保证数据中心、云和现场移动作业之间的连接可靠。至于组织答案，科尔宾说得很直白：长期看这个团队本不该存在，这套能力应该分散到整个公司里去。

编译自 SiliconANGLE，原标题："AT＆T uses agentic AI to reinvent business processes from the ground up"