2025年11月26日，KDDI株式會社和KDDI研究院宣布推出一款人工智慧代理，該代理商能夠學習人類互動並以高精度重現這些互動。
這款人工智慧代理能夠從過往的回應記錄中提取並建立回應模式，並透過自主資訊收集和事實核查（使用內部手冊）產生回應語句，同時抑制虛假資訊。它已被引入au聊天支援平台，用於處理人工智慧聊天機器人無法解決的困難問題。預計其回覆準確率將達到約90%，與先前的系統相比，每位客戶的回應時間將縮短約70%。
該人工智慧代理商被設計成一個通用軟體包，其獨特之處在於它可以擴展到公司內的其他部門、其他行業和集團公司，甚至可以進行商業銷售。
從： 
開發了世界上第一個能夠學習並準確地重現人類互動的AI智能體
【社論】
這款人工智慧代理並非“高性能常見問題解答機器人”，而是旨在學習人工客服的回復模式，並融入其直覺判斷和操作流程。傳統的基於紅黃綠（RAG）演算法的聊天機器人主要依賴人工搜索，而該系統首先從過往回復記錄中提取處理模式，然後進行事實核查，並補充手冊中缺少的信息。
值得注意的是，針對疑難查詢，公佈的結果表明，回應準確率約為90%，回應時間縮短了約70%。這體現了KDDI Research的研究成果，他們不僅依賴LLM的性能，還直面了現場實施中特有的挑戰，例如「如何將人類的隱性知識融入機器學習」以及「如何抑制由交叉資訊來源引起的幻覺」。
另一方面，人工智慧代理越先進，該領域所需的技能就越多。雖然從零開始產生查詢回應的負擔有所減輕，但即時驗證人工智慧呈現的流程有效性的能力卻變得至關重要。這也為人工智慧時代的組織管理帶來了挑戰：如何在追求業務效率的過程中保持往往流失的「人類思維耐力」。
此外，鑑於KDDI和NICT正在共同進行日語語言LLM研究，這項技術的應用可能不僅限於呼叫中心。完全可以預見，「能夠自主調查和決策的AI代理」將在更多基礎設施相關領域發揮核心作用，例如優化通訊品質、網路營運和地理空間資料解讀。
當這種情況發生時，問題就變成了：「人工智慧的決策過程在多大程度上可以被驗證？」以及「責任應該由誰承擔？」幻覺抑制技術是必不可少的前提條件，但由於幻覺仍然無法完全消除，因此，人工智能應該擁有多大的自主權，以及在何種程度上必須進行人工確認，這些界限的定義很可能成為未來劃設計和多大指南中討論的話題。
[術語]
幻覺<br>這是一種現象，在這種現像中，生成式人工智慧（例如大規模語言模型）會產生看似合理但並非事實或沒有依據的資訊。
RAG（檢索增強生成）
這是一個通用術語，指的是一種透過從外部知識庫和手冊中搜尋相關資訊並根據搜尋結果產生答案來提高答案準確性的技術。
隱性知識<br>這個概念指的是操作人員透過經驗獲得的判斷標準和應對技巧，儘管這些內容沒有在手冊或程序中明確規定。
[參考連結]
KDDI公司（外部）
一家日本大型電信公司，以 au 品牌提供電信服務，並在全球範圍內開展各種網路業務。
KDDI Research, Inc. （外部）
KDDI集團旗下的研發機構，負責人工智慧、網路、光通訊、安全等尖端技術的研究及其社會應用。
au聊天支援（外部）
一個線上支援平台，人工智慧聊天機器人和人工客服共同協作，透過聊天方式回覆 au 用戶提出的各種問題。
開發用於支援自動響應的人工智慧代理（外部）
KDDI 技術說明詳細解釋了該 AI 代理程式的架構、評估結果以及使其成為通用軟體包的目標。
NICT和KDDI開始共同進行大規模語言模式研究（外部連結）
本文介紹了結合網路數據和幻覺抑制技術的日本專業LLM的合作研究內容和應用領域。
[參考影片]
[參考文章]
KDDI 利用人工智慧技術回覆使用者諮詢，減少了 70% 的人工工作時間（外部資料）。
該報告重點指出，人工智慧代理可以處理人工智慧聊天機器人難以處理的查詢，從而有可能減少操作員約 70% 的工作時間。
KDDI推出全新“AI客服代理”，回應時間縮短70% （外部連結）
該報告解釋瞭如何透過新的人工智慧代理協助處理一些諮詢，從而在提高回應準確性和節省時間方面實現呼叫中心改革。
KDDI 開發出不太可能引起幻覺的人工智慧代理（外部）
本文介紹了該系統如何在抑制幻覺的同時實現約 90% 的響應準確率，以及如何處理傳統 RAG 難以處理的查詢的技術背景。
NICT和KDDI共同進行抑制幻覺的LLM（外部）研究
這是有用的背景訊息，展示了日本專業LLM與幻覺抑制技術聯合研究的細節，以及該技術在通訊和地理空間資訊領域的潛在應用。
[編者註]
我認為，關於人工智慧代理的討論讓我們有機會重新思考人與人工智慧應該如何分工，而不是糾結於人工智慧會搶走人類的工作。如果類似的系統在你的工作場所實施，你會把哪些任務交給人工智慧，又有哪些決策你想自己做？
不僅是在回答詢問時，而且如果你仔細想想日常工作中哪些情況下你會覺得“人工智能很擅長做這件事”或者“人類更擅長做這件事”，你可能會發現你自身與人工智能之間的“距離感”會變得更加清晰。
