今年是智能体AI在广播领域大展身手的一年吗？

当大多数人谈及人工智能（AI）时，他们通常指的是生成式人工智能（GenAI）。虽然生成式AI为视频、音频和文本的创作带来了极大的灵活性和自由度，但它也是出现大量构想拙劣的或劣质内容的原因。这不仅损害了AI的名声，还掩盖了此技术更实用的形式——智能体AI的潜力。

与生成式AI相比，智能体AI更像是一种后台技术——生成式AI存在时间也更长，其现代迭代在2014至2017年间被规范化——智能体AI约三年前开始兴起，至今仍较少被大众熟知。二者的关键区别在于：生成式AI根据提示或触发条件创作内容，而智能体AI则自主建立并控制某种功能或情境。

自主工作流程

在广播电视领域，智能体AI被视为开发应用（即“智能体”）的关键。这些应用运行特定的技术任务，例如监控、处理系统故障，以及管理整个制作和分发链的各种功能。

“与按需生成内容的生成式AI不同，智能体AI能够自主协调整个内容工作流程，”亚马逊网络服务公司（AWS）媒体与娱乐、游戏与体育解决方案架构全球负责人斯蒂芬妮·洛恩解释道，“这意味着系统能够协调复杂的多步骤处理，不用在每个决策点都有持续的人工干预。”

洛恩补充道，其基础是多个“专门智能体”主动响应自然语言请求。这种组合与同时多应用操作，构成了包括来自其它开发商的系统（如Witbe于今年二月推出的智能体软件开发工具包）的基础。Witbe这个SDK的目标是作为运行和扩展视频工作流程监测和验证的“测试自动化框架”。Witb首席执行官马修·普朗什将其描述为一套旨在自动化测试流程的“不同智能体”。

“测试自动化曾经是一种人们必须开发的脚本，”他说，“现在，我们已经摒弃了这种人工处理，转而采用了另一种方式，尽管这种方式并非完全无人工参与（因为我们仍有一名人员负责该智能体SDK 的运行），但流程却大大简化。”

该套件中第一个智能体是“测试设计者”（Test Designer），其是为了了解所分析的视频服务的测试策略，然后据此编写测试用例。“智能体AI技术能够观察输入、规划……行动，并承担不同的工作流程中大部分繁重的工作，而这些原本是由人来完成的，”普朗什补充道。

与以往的自动化方法一样，智能体AI系统的开发者们很快就会强调，其目的并非取代人类操作员。Qvest公司应用AI首席实践主管法雷斯·伯克表示，目标是通过自动化那些既重复又需要大量协调的任务，使人们能够“更好、更快速地工作，且减少中断”。

“智能体AI的目的是达成结果，而生成式AI主要是响应提示产生输出——文字、音频、视频，”伯克表示，“这使得智能体AI对于速度、可靠性、合规性和协调性与创造性同等重要的复杂环境更有价值。”

“增强的元数据”

如今在广播电视行业，基于智能体AI的系统激增，适用于多种应用。这些应用包括：存档材料、文稿和直播内容的搜索；摄取、日志、审查和分发的管理；媒体资产管理系统、新闻编辑室、后期制作和分发系统启动；确保运营和编辑规则。从近期发布的系统数量中可以看出这一点，比如ThinkAnalytics的ThinkMetadataAI。该系统于2025年IBC和2026年NAB展会上推出，利用智能体AI自动为内容目录创建“增强的元数据”。

ThinkAnalytics联合创始人、首席技术官彼得·多奇蒂表示，在过去的20年里，该公司一直专注于为个性化和观众互动提供深度元数据增强，但在过去的三到四年里，转向了定向广告。

“许多智能体处理实现了自动化和运营效率的提升，而这在之前是不存在的，”他表示，“这显然与生成式AI大不相同，因为智能体AI有助于简化运营。我们使用我们的元数据AI技术，将生成式AI与智能体AI及其它功能相结合，实现了此前需要人工完成的处理的自动化。这能够实现大规模高度自动化，但通过决策背后的智能。”

在今年的NAB展会上，TVU公司展示了“TV Cortex”服务，它利用智能体AI聚合和管理用于制作新闻报道的音频和视频内容。TV Cortex能够自主且有目的地行动，达成一个不受我们与之互动的情况限制的结果。理论上，以这种方式运行可能涉及更少的事件“人为修饰”和更事实的报道。

TVU总裁Paul Shen称，TV Cortex 的设计初衷是提升人类的生产力，而非取代它。如果有效使用，该系统能让制作人员和编辑人员将更多精力投入到新闻制作的创意环节，比如创作引人入胜的新闻故事以及提供更多人文背景信息。

“TV Cortex利用智能体AI，部署一个主和从智能体层级结构，这些智能体能够动态扩展，以应对收到的新闻量和复杂性，”Shen说，“这些智能体会根据诸如时效性、相关性、市场规模以及可定制的编辑优先级等因素，自动完成新闻报道的检索、分类和评分工作。”

不断检查质量与真实性

近年来经历了高度自动化和精简的一个重要领域是合规和服务质量（QoS）监控。AI，尤其是智能体AI，现在通过诸如Bitmovin的Observability等的新系统，为更上一层楼提供了可能。

“我们不同领域的产品线都在利用AI，包括用于监测会话、播放、QoS指标、根本原因分析和排除故障的Observability，”Bitmovin播放产品经理雅各布·阿伦德斯解释道，“例如，AI非常擅长总结数据，因此我们在Observability产品中利用这一能力，让客户更轻松地理解复杂的数据集以及会话中实际发生的情况。”

在过去一年左右的时间里，围绕生成式AI聊天机器人出现了诸多质疑，尤其是对“产生幻觉”（基本上是凭空编造）的系统或只是对问题简单表示同意的系统。由于合规监控是广播分发链中至关重要的安全保障机制，此类疑虑绝不容存在；任何自动化技术都必须做到百分比可信赖。

“我们的智能体SDK不会在我们客户的平台内产生漏洞，”Witbe的马修·普朗什表示，“它们检测错误并将其标记出来，以便相关人员审查和分析。然后相关人员决定是内部升级上报还是直接忽略它。”

至于未来，普朗什承认，用于广播领域的智能体AI技术对所有人来说“对所有人来说都还是新鲜事物”，而由操作员值守的媒体控制室“目前不会消失”。

在AWS，洛恩注意到智能体AI在媒体制作领域的潜力“巨大”，但也指出广播行业在使用它时仍需谨慎。“行业仍需在数据治理、透明度、内容溯源以及负责任的自动化实践等方面建立强有力的防护措施，”她说道，“一旦这些措施牢固确立，企业就能对AI驱动的决策更有信心，并轻松地大规模部署该技术。”

对于像智能体AI这样的自主技术而言，标准和监管措施是绝对必要的。但目前来看，广播行业似乎正在权衡关键流程中是否已经具备足够的自动化程度，或者这些新智能体是否是更高效、更无故障运作的关键。