Betaworks正拥抱AI趋势，并非推出又一个大型语言模型，而是一系列代理型模型，用于自动化那些虽难以精确定义却日常必需的任务；该投资机构最新的“Camp”孵化器已培训并资助了九家AI代理初创公司，希望它们能接手当今更为繁琐的工作。
这些公司的许多应用场景听起来前景广阔，但人工智能往往难以兑现其承诺。你会信任一款崭新的 AI 来为你整理邮件吗？或者从网页中提取并结构化信息呢？如果 AI 能灵活安排会议时间，有人会在意吗？
在这些服务中，尚缺乏一种信任感，而这种信任感通常出现在改变我们行为方式的各类技术中。最初向 MapQuest 询问路线时感觉有些怪异，直到它变得自然——如今 GPS 导航已成为日常工具。但 AI 智能体是否也达到了这一阶段？Betaworks 的首席执行官兼创始人 John Borthwick 认为已经如此。（披露：前 TechCrunch 编辑、Disrupt 主持人 Jordan Crook 已离开 TC 加入该公司。）
“你触及了我们花费大量时间思考的问题，”他告诉 TechCrunch。“尽管代理式 AI（agentic AI）仍处于萌芽阶段——目前存在关于智能体成功率等问题——但我们自 Camp 项目启动以来就看到了巨大的进步。”
Borthwick 表示，虽然技术会持续改进，但一些客户已经准备好接受当前状态的产品。
“历史上，我们看到客户即使面对高风险任务，只要产品‘足够好’，就会敢于尝试。最初的 Bill.com 尽管在 OCR 和电子邮件抓取方面做了有趣的工作，但并非总能准确无误，用户仍愿意将价值数千美元的交托给它，因为它让原本糟糕的任务变得不那么糟糕。随着时间的推移，通过高度沟通性的界面设计，来自这些客户的反馈循环创造出了更好、更可靠的产品，”他说。
“目前，Camp 中产品的早期用户主要是开发者、创始人和早期技术采用者，而这一群体历来愿意耐心地测试这些产品并提供反馈，最终推动它们走向主流。”
Betaworks 在最新一期 Camp 项目中全力押注增强型 AI：“我们对此充满狂热兴趣”
Betaworks Camp 是一个为期三个月的加速器项目，入选的主题公司将在获得 Betaworks 自身、Mozilla Ventures、Differential Ventures 和 Stem AI 提供的 50 万美元支票之前，获得在产品、战略和人脉方面的实操帮助。但在被“请出”之前，初创公司们需在 5 月 7 日的演示日展示他们的成果。
不过，我们在事先看到了这份名单。以下是让我印象最深的三家。
Twin：用自然语言定义自动化工作流
Twin利用一种“动作模型”来自动化任务，我们几个月前就听Rabbit谈论过这种模型（但尚未发布）；通过在大量代表软件界面的数据上训练模型，这些公司声称它能学会完成常见任务，即那些比API处理能力更复杂、但又足以委托给“聪明实习生”处理的事务。我们实际上在1月份就已报道过它们。
因此，与其让后端工程师编写自定义脚本来完成某项任务，你可以用日常语言来演示或描述它。例如：“把今天收到的所有简历放入 Dropbox 的一个文件夹中，按申请人姓名重命名，然后在 Slack 上私信我分享链接。”一旦你调整了该工作流（比如“这次在文件名中加入申请日期”），它就会成为该流程的新标准。自动化那些占用我们 80% 时间却仅占 20% 的任务是公司的目标——至于能否以可承受的成本实现，可能才是真正的问题。（Twin 拒绝详述其模型和训练过程的细节。）
Skej：解决多人会议协调难题
Skej旨在缓解寻找适合两人（或三人、四人……）的会议时间时偶尔令人头疼的过程；你只需在邮件或Slack对话中抄送该机器人，它便会开始协调每个人的可用时间和偏好；如果它能访问日程表，就会进行核对；如果有人表示若安排在周四则更倾向于下午，它会据此调整；你可以设定某些人的优先级，等等；任何与熟练行政助理共事过的人都知道他们无可替代，但 chances are 每位行政助理都宁愿减少花在那些仅是“这样行吗？不行？那这样呢？”之类重复性任务上的时间。
作为一个厌世者，我没有这种日程安排问题，但我理解其他人有此困扰，并且我也更倾向于一种“设置好就忘”的解决方案，让他们直接接受结果即可。这完全在当今 AI 智能体的能力范围内，它们的主要任务是理解自然语言，而非处理表单。
Jsonify：视觉AI驱动的智能数据提取
Jsonify是网站抓取工具的进化版，能够从相对非结构化的上下文中提取数据；这一工作早已存在，但提取信息的引擎从未足够智能；如果是大型扁平文档，它们运作良好——但如果数据位于网站标签页中，或是为人类点击而设计的编码不佳的视觉列表，它们可能会失败；Jsonify利用当今视觉AI模型改进的理解能力，更好地解析和排序那些简单爬虫无法获取的数据。
因此，你可以在特定区域搜索 Airbnb 房源，然后让 Jsonify 将它们全部导出为一个结构化列表，包含价格、距机场距离、评分、隐藏费用等列。接着，你可以对 Vacasa 做同样的操作并提取相同的数据——也许针对的是同一批房源（我之前就这么做过，省了大约 150 美元，但真希望当时能自动化这个过程）。或者，你知道的，去做些专业的工作。
但大语言模型固有的不精确性难道不会让它们成为这项工作的可疑工具吗？创始人 Paul Hunkin 表示：“我们已经建立了一套相当完善的护栏和交叉验证系统。我们在运行时使用几种不同的模型来理解页面，从而提供一定的验证——而且我们使用的 LLM 是针对我们的用例进行微调的，因此即使没有护栏层，它们通常也相当可靠。通常情况下，根据具体用例，提取准确率可达 95% 以上。”
我认为这些工具几乎在任何技术导向型企业中都能派上用场。同批次中的其他产品则更具技术性或情境依赖性——以下是剩下的六家：
- Resolvd AI——云工作流的代理式自动化；在定制集成赶上之前，它显得十分有用。
- Floode——一个AI收件箱整理器，可阅读你的电子邮件并找出重要内容，同时准备适当的回复和行动。
- Extensible AI——你的AI正在退化吗？请咨询医生，判断Extensible是否是你部署所需的合适测试和日志基础设施。
- Opponent——一个专为儿童设计、供其进行广泛互动和玩耍的虚拟角色；从伦理和法律角度看，这感觉像是一片雷区，但总得有人去趟过它。
- High Dimensional Research——基础设施领域的尝试；这是一个面向基于网络的AI代理的框架，采用按使用量付费的模式，因此如果你的公司实验失败，你只需支付少量费用。
- Mbodi——用于机器人的生成式AI，这是一个训练数据相对稀缺的领域；我原以为它是非洲词汇，但其实只是“embody”（体现/具身化）。
毫无疑问，AI 智能体将在日益自动化的软件工作流中扮演某种角色，但其角色性质和范围尚未确定。显然，Betaworks 旨在尽早打入市场，尽管其中一些产品尚未完全准备好面向大众市场发布。
你将能够在 5 月 7 日看到这些公司展示它们的智能体产品。
更正：本文已更新，以反映 Jsonify 的创始人是 Paul Hunkin，而非 Ananth Manivannan。