大多数终端用户设备的自带智能很有限。另外，开销和性能的问题使其很难完全满足用户的需求。一种解决方案是使用一个云代理来充当信息处理点。用户询问代理一个问题，然后获得一个具体的回答而不是未经处理的原始数据。这能够节省访问带宽和设备资源。

　　IT团队可以使用基本的IT或者应用设计原则来获取智能代理的益处。要做到这些，企业必须考虑四个步骤。

　　第一步：设计一个瘦客户端的，用户设备的应用，最小化本地处理的逻辑。把太多的智能化放到用户设备上不但很有风险，并且对于移动用户来说还会产生版本的问题。将一个Web或者基于API的前端应用连接到浏览器或其他设备元素会强制你的应用进行卸载处理和限制用户对问答的数据交换。

　　第二步：将应用和信息资源想象成一个代理人代表其用户所能使用的工具。基于Web的应用把多个事务揉进一个单一组件时，会成为采用智能代理的一大障碍。当创建应用时，每一步都应该是一个独立的组件。

　　许多企业都在努力实现这一步。而RESTful的设计原则—即将所有信息和处理当作询问/响应资源—将他们带向了正确的方向。一个作业是一组问询和响应，并且这个结构能被转换为一个智能代理来使用。

　　第三步：要将前端应用向智能代理的功能演化，需要定义前端任务针对特定用户请求进行响应。普通的事务处理是面向工作流的，涉及到搜索和更新。智能代理处理必须是需求驱动的，被认为是一个简单的Q&A。打个比方，一个工作者的问题也许会包括查找一个客户姓名来获得交易号，或者审查未结订单和帐户信息。该单个工作者请求会创建若干事务，但是必须生成一个统一的响应。这个代理的进程，成为了这个工作者行为的应用前端，将负责那种转换。

　　这一步需要对问题进行解析和从综合信息中做出结构化的响应。扩展基本的文本识别和响应的代理能力，在不会引入额外的语音识别和生成的问题的基础上。开发一个工作人员指南，指定可以接受的问题格式会很有帮助。企业可以增加额外的问题格式，直到对话变得丰富起来。

　　第四步：在必要的时候对这些进化的前端处理进程应用AI原则。从语音识别和应答开始，这相对容易些，如果用户的对话被编排的很恰当。

　　企业在启用自由形式的查询方面应该要走多远?真正的AI不是语音输入和回答—是使用机器分析问题和产生回答。每一个问题都是一系列的与应用组件或者数据库元素交互的查询和响应。AI的目的是创造一个类似人的交互，但是目标是增加生产力。组织很差的问答交互会很快摧毁任何类似生产力提高的假象，那么请从基本的通用问题的识别开始。随着工作者和企业对使用案例的了解再扩大识别的范围，从而获得生产力的提高。

　　责任编辑：小燕编辑