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.com，Dao 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