当前，视频行业中人工智能（AI）的使用和应用已十分普遍，我们对于旨在提升效率到改善用户体验等的AI应用场景都已相当熟悉。然而，相关讨论又从AI和生成式AI转向了代理式AI，这种AI引入决定如何行动以实现某种目标的自主AI代理。代理式AI无疑是当下热门的AI技术；问题在于，这种新型AI将如何为视频行业带来实际价值呢？
从传统软件到代理式AI
要理解什么是代理式AI以及它为何重要，有必要先了解传统软件的构建方式以及AI的发展历程。从本质上讲，软件是僵化且指令性的；它依照其代码中规定的明确的、基于规则的指令执行预先决定的场景中的行为，并通过API与其它软件组件通信。这种结构迫使开发人员提前预想所有可能的情况，并将响应硬连到系统中。
AI的工作方式与传统软件不同，因为它从数据中学习模式、能够调整其行为，并且能够在没有预先定义的明确指令的情况下做出决策。它能够快速且轻松地分析海量复杂数据，从而提供有用的洞察，这些洞察可用于驱动推荐引擎。生成式AI则又增添了一层，能够根据用户请求创建新的内容。至关重要的是，它还允许用户使用自然语言与软件互动，并且是情境感知的。
代理式AI超越这一切。代理式AI与明确规定每一步以及指定针对每种可能出现的情况应采取哪个行动的传统软件不同，与根据请求生成响应的生成式AI也不同。在代理式AI中，每个AI代理都被赋予一项检测、分析并行动的任务，从而使人类能够设计、管理和创造。它们决定如何以最佳方式完成任务，能够根据反馈进行调整，并能够随着时间的推移不断改进。至关重要的是，它们并非只是被动反应的；它们是系统内的主动合作者，能够直接相互沟通。这创造了一个灵活的生态系统，其中多个代理追求互相关联的目标，每个代理都以结果为导向优化性能，而非仅仅遵循指令。
代理在工作
这种新方法可能会让视频服务拥有大批代理，共同努力以实现特定的业务目标，比如降低用户流失率、保证质量稳定或提高客户终身价值。例如，一个代理可能负责监控客户旅程，发现诸如新客户引导流程或播放方面的问题，然后相应地采取行动解决这些问题；而另一个代理可能被赋予的任务是检测个体层面参与度下降，并采取措施防止该客户流失。代理们还可以根据环境（如一天中的时间或懊恼信号）动态调整布局和消息推送，监测和优化用户体验，而在营收方面，代理们可以在用户最有可能兑换的时候精准地推送增值服务优惠。
关键是这些代理不仅各自独立工作，而且还与其它代理合作，消除不同专门技术和部门之间的隔阂，始终将客户体验放在首位。这提供传统开发周期难以企及的复合作用。在这种模式下，成功衡量并非看软件是否遵循了正确的步骤，而是看代理是否完成了其使命，而这些使命与关键业务目标紧密相关。对于视频行业以及其它行业，这种模式有可能带来真正的变革。
代理式AI未来
当如新制定的MCP（模型上下文协议））代理式AI通信协议得到广泛采用时，将会有另一重大变化发生，代理将能访问外部数据源、工具和服务。这将产生巨大的影响，原因是目前虽然视频服务提供商能够控制其服务内部的情况，但在像广告、数据收集或个性化等方面，许多服务提供商仍依赖外部服务，对这些系统的运转方式了解或控制甚少。
代理式AI有可能扭转这种局面。理论上，MCP将使来自不同供应商解决方案或服务的代理能够直接协同工作，无需使用硬编码的API。在实际操作中，这可能意味着广告活动能够实时精准匹配目标受众，无需暴露敏感数据集或构建复杂的集成。它还使超个性化（在某种程度上，这一直是愿望超过现实）变得更容易实现。
至关重要的是，代理式AI将使视频提供商能够解决以往鞭长莫及的难题。流媒体行业中许多挫折的原因并不在于缺乏雄心，而是与人类处理能力密切相关。个性化、优化以及观众互动等都涉及太多需个人或团队实时管理的活动部分。代理式系统提供了一种扩展这种能力的方法，因为它们打开了能够重塑视频服务运营和创新方式的自适应、协同系统的大门。