“如果没有这份详细的操作手册，就真的没有人能够成功部署那些能够自主做出决策、并真正理解我们工作流程的自动化系统。”UiPath的创始人兼首席执行官丹尼尔·戴恩斯（Daniel Dines）在周三表示。
戴恩斯在UiPath年度会议FUSION上发表了主题演讲，强调了这份操作手册的重要性。他还介绍了该公司专门为编写该手册而开发的产品——UiPath Cartographer，该工具能够帮助企业构建所谓的“工作流程图”（即企业内部各项任务的详细结构）。
戴恩斯指出，这次会议标志着UiPath成立十周年：该公司最初于2016年在伦敦举办了首届会议，当时只有大约100名参与者；当时的年收入约为300万至400万美元，客户数量也只有几十家。如今，UiPath的年收入已超过20亿美元，客户数量已超过1万家。
戴恩斯还提到，大型语言模型（LLMs）存在三个根本性的局限性：
-
后果承担能力：大型语言模型无法为其行为承担后果，而企业中的许多决策都会产生实际影响。
-
学习能力：大型语言模型并不具备真正的学习能力；虽然它们拥有“记忆”，但记忆与真正的学习是截然不同的概念。
-
准确性：大型语言模型的输出结果具有不确定性（即结果只是基于概率生成的），而企业的决策往往需要绝对的准确性。
戴恩斯还提到自己撰写了一本名为《The Work That Remains with AI》的书籍，在编写过程中他同时使用了Claude和ChatGPT这两种AI工具：前者作为“代笔者”协助写作，后者则用于文本的审核与修改。每位参会者都会收到这本书的副本。
他指出，通过编写这份手册，他发现了大型语言模型的这些局限性。他认为目前还没有任何技术能够彻底解决这些问题。
戴恩斯强调：如果要让大型语言模型在企业流程中发挥作用，就必须有一份完整、详细的操作手册来指导它们的运作。然而，目前还没有任何公司能够提供这样的手册；即便是咨询公司提供的版本，也会在几周内就过时失效。卡特绘师如何构建地图卡特绘师接收流程图、流程挖掘图、文档和标准操作程序。它还可以向主题专家提问，要求他们录制屏幕并解释为什么选择了不同的路径。基于这些信息，它生成第一份工作地图。迪恩斯称这份初始地图“不可避免地不完整”。
随后，编码代理根据地图构建自动化流程。当某个代理处理案例时，人类会审核其建议并进行修正。迪恩斯表示，UiPath将这些修正存储在其称之为“决策账本”中，并将新的异常情况反馈回地图。
根据UiPath的声明，其编码代理现已正式可用。Claude Code、Cursor、Codex和Antigravity也能原生运行在其平台上。卡特绘师现已上线，但该公司未公布定价信息。SMBC：73%还不够住友三井财务集团(SMBC)的山本磋表示，迪恩斯称其为UiPath的最大客户之一。他表示，该银行自2017年以来自动化了超过600万小时的人工工作。这大约释放出3000名员工用于其他角色。今年，使用UiPath构建的会计代理在一个月内处理了超过10000份报销请求。
山本说：“如果一个流程有三个步骤，每个步骤的准确率为90%，那么端到端的准确率将下降到约73%，这对于会计业务来说是不可接受的。”
SMBC现在结合使用规则、历史数据、生成式人工智能和人工检查点，确保异常情况由人工处理。山本表示，该银行计划下一步测试卡特绘师。客户的谨慎态度在客户座谈会上，梅奥诊所的Nikki Harper表示，团队首先必须理解整个流程。梅德莱的William Abrams表示，对于他的公司来说，73%的准确率是“不可想象”的，因为其医院客户期望达到99%的准确率。他还补充说，跨业务运行的代理似乎赋予了比梅德莱及其客户目前愿意接受的更大的自主权。
第二个展示环节介绍了 UiPath Test Cloud 以及 UiPath 所称的“自动化测试平台”（即能够自主运行测试任务的系统）。Forrester 公司的分析师 Diego Lo Giudice 表示，追求系统的完全自动化本身并不是最终目标。
Lo Giudice 说：“只有当这个自动化测试平台能够建立起人们的信任时，它才能真正发挥其作用。”他还强调：“应该继续招聘初级员工。”
他认为，人工智能（AI）本身缺乏主动性和决策能力，人类才是为 AI 设定目标的人。他此前就多次指出，减少对初级员工的招聘是一个错误的做法，并建议企业管理者不要因为 AI 的出现而过快裁员。
他解释说，现在的初级员工需要向周围的经验丰富的人员学习，而不是去编写那些人工智能早已能够完成的简单功能；而资深员工则应该承担起指导他们的责任。