從最初的熱情到戰(zhàn)略實(shí)施：企業(yè)如何利用AI智能體獲得真正的競爭優(yōu)勢。企業(yè)要超越生成式AI的初步應(yīng)用（如代碼助手、SaaS增強(qiáng)），利用具備一定自主行動(dòng)能力的AI智能體（Agentic AI）獲得真正的競爭優(yōu)勢，必須進(jìn)行戰(zhàn)略性的“構(gòu)建vs購買”決策。
圖源：shutterstock/CHIEW
第一波GenAI（生成式人工智能）解決方案已經(jīng)在企業(yè)中取得了相當(dāng)?shù)某晒?，特別是在代碼編寫助手領(lǐng)域以及提高現(xiàn)有SaaS產(chǎn)品效率方面。然而，這些應(yīng)用只是展示了LLMs（大語言模型）潛力的冰山一角。這項(xiàng)技術(shù)的真正實(shí)力現(xiàn)在正體現(xiàn)在第二代人工智能驅(qū)動(dòng)的應(yīng)用程序中：基于AI智能體的系統(tǒng)，它以LLMs的堅(jiān)實(shí)基礎(chǔ)為依托，并將其能力提升到一個(gè)新的水平。
與傳統(tǒng)的AI聊天機(jī)器人或簡單的SaaS產(chǎn)品輔助工具不同，AI智能體充分利用了LLM的全部能力。它們不僅可以生成文本，還可以（幾乎）獨(dú)立解決復(fù)雜問題。AI智能體是一個(gè)由LLM驅(qū)動(dòng)的系統(tǒng)，它在定義的自主性邊界內(nèi)追求特定目標(biāo)，并使用各種工具。
一個(gè)例子可以說明其可能性：假設(shè)一個(gè)LLM接收到一個(gè)可以檢索當(dāng)前股價(jià)的API的文檔。有了這些信息，LLM可以獨(dú)立創(chuàng)建一個(gè)腳本來調(diào)用該API獲取特定股票的價(jià)格。如果系統(tǒng)允許執(zhí)行這個(gè)腳本，它就成為終端用戶獲取任何股票價(jià)格的工具。
一、智能體很少單獨(dú)行動(dòng)
那么，是否有可能開發(fā)出一個(gè)單一的、全面的應(yīng)用程序來解決企業(yè)的所有問題呢？答案是否定的。盡管LLMs具備泛化能力，但企業(yè)環(huán)境的限制要求每個(gè)單獨(dú)的應(yīng)用程序的范圍相對狹窄。這是企業(yè)確保穩(wěn)定性能以及控制數(shù)據(jù)和工具訪問權(quán)限的唯一方法。
這個(gè)想象中的“超級應(yīng)用程序”聽起來很方便，但它需要完全訪問企業(yè)的所有數(shù)據(jù)和工具，從最普通的到最敏感的。就像員工應(yīng)該只能訪問其工作所需的數(shù)據(jù)和工具一樣，基于智能體的應(yīng)用程序的訪問權(quán)限也必須限制在其執(zhí)行功能所需的范圍內(nèi)。
一家大型公司可能需要多少這樣的AI智能體呢？粗略估計(jì)：一家擁有十個(gè)部門、每個(gè)部門有五個(gè)核心功能的大型企業(yè)，每個(gè)功能可能需要五個(gè)專門的應(yīng)用程序。例如，銷售部門在銷售運(yùn)營中可以使用一個(gè)智能體來：
研究目標(biāo)客戶
核實(shí)銷售流程的合規(guī)性
分析銷售管道
總結(jié)客戶會議內(nèi)容
支持后續(xù)活動(dòng)
這將總共產(chǎn)生250個(gè)應(yīng)用程序——這對大型組織來說是一個(gè)現(xiàn)實(shí)的預(yù)測。
二、構(gòu)建還是購買：做出正確決策的藝術(shù)
隨著數(shù)百種新應(yīng)用程序的出現(xiàn)，公司面臨著“構(gòu)建還是購買”的決策。軟件供應(yīng)商已經(jīng)在向市場推出相應(yīng)的應(yīng)用程序。與此同時(shí)，一些先進(jìn)的企業(yè)也在內(nèi)部開發(fā)他們的第一批可投入生產(chǎn)的基于智能體的應(yīng)用程序。
現(xiàn)成的AI智能體提供了決定性的優(yōu)勢：一旦實(shí)施，它們提供即插即用的性能，由專業(yè)軟件開發(fā)人員支持，并實(shí)現(xiàn)快速部署。這種現(xiàn)成的AI智能體也存在一些挑戰(zhàn)，比如通常很難集成到現(xiàn)有的企業(yè)系統(tǒng)中，在跟蹤所使用的模型方面存在管理問題，最后但同樣重要的是，擁有相同解決方案的競爭對手也能實(shí)現(xiàn)相同的性能。
另一方面，自主開發(fā)的定制AI智能體可以精確適應(yīng)特定的業(yè)務(wù)環(huán)境，從而有可能在市場上實(shí)現(xiàn)真正的差異化。企業(yè)可以完全控制和了解自己的應(yīng)用程序，并擺脫對外部軟件、人工智能和云服務(wù)提供商的依賴。然而，這些優(yōu)勢也伴隨著自身的挑戰(zhàn)：許多企業(yè)并不具備足夠的開發(fā)技能，而且隨著自主開發(fā)應(yīng)用程序數(shù)量的增加，監(jiān)控和維護(hù)的復(fù)雜性也會顯著提高。
因此，大多數(shù)企業(yè)會購買一些應(yīng)用程序，同時(shí)自己開發(fā)其他一些應(yīng)用程序。需要注意的是，盡管AI智能體可以提高運(yùn)營流程的效率，但如果這些效率提升與競爭對手同步，企業(yè)的競爭地位并不會得到改善。
另一方面，開發(fā)定制的、基于智能體的應(yīng)用程序可以使企業(yè)創(chuàng)造出競爭對手所沒有的能力。考慮到涉及的成本和復(fù)雜性，企業(yè)會將內(nèi)部開發(fā)工作集中在那些從強(qiáng)大的競爭差異化中獲益最大的業(yè)務(wù)部分，通常是它們的核心業(yè)務(wù)。
三、克服復(fù)雜性閾值?
每個(gè)組織在其現(xiàn)有實(shí)踐模式下，所能開發(fā)、監(jiān)控和維護(hù)的應(yīng)用程序數(shù)量都存在一個(gè)上限。這就是該組織的“complexity threshold（復(fù)雜性閾值）?”。
隨著企業(yè)開發(fā)的基于智能體的應(yīng)用程序越來越多，監(jiān)控和維護(hù)這些應(yīng)用程序的復(fù)雜性也在不斷增加，直到在某個(gè)時(shí)候達(dá)到最大值，無法再開發(fā)更多的應(yīng)用程序——即使這會有利于業(yè)務(wù)。
企業(yè)必須想辦法提高其復(fù)雜性閾值，以便開發(fā)更多應(yīng)用程序。這就需要對這些應(yīng)用程序的開發(fā)進(jìn)行標(biāo)準(zhǔn)化和結(jié)構(gòu)化處理。
四、基于智能體應(yīng)用程序的新架構(gòu)范式
多年來，組織使用了各種架構(gòu)范式，從單體應(yīng)用程序到面向服務(wù)的架構(gòu)，再到微服務(wù)架構(gòu)。如今，用于構(gòu)建基于智能體應(yīng)用程序的基礎(chǔ)設(shè)施大多是單體架構(gòu)，并使用諸如LangChain之類的框架。雖然這種方法適用于開發(fā)初始原型，但它反映出基于智能體的應(yīng)用程序設(shè)計(jì)在企業(yè)環(huán)境中還相對不成熟。
因此，需要一種新的架構(gòu)范式來創(chuàng)建和維護(hù)大量基于智能體的應(yīng)用程序。一種實(shí)現(xiàn)方式是為LLMs以及在企業(yè)中創(chuàng)建智能體所需的相關(guān)組件構(gòu)建一種網(wǎng)狀架構(gòu)。它提供了抽象層，可將不同組件歸為統(tǒng)一的對象類型。
這種多層架構(gòu)可能包括以下組件：
基礎(chǔ)模型：經(jīng)過訓(xùn)練的AI模型，具備基本的數(shù)學(xué)權(quán)重。
數(shù)據(jù)層：分為非結(jié)構(gòu)化和結(jié)構(gòu)化數(shù)據(jù)。
服務(wù)層：包括模型運(yùn)行所需的服務(wù)以及數(shù)據(jù)訪問服務(wù)。
編排層：在這里，提示信息、智能體和工具被整合在一起。
應(yīng)用層：帶有用戶界面、可供使用的應(yīng)用程序。
這種架構(gòu)的關(guān)鍵優(yōu)勢在于抽象性：它在不同層之間創(chuàng)建了標(biāo)準(zhǔn)化的接口，允許在無需調(diào)整其他組件的情況下替換單個(gè)服務(wù)。這種解耦方式使企業(yè)能夠提高其復(fù)雜性閾值。
作者：Kurt Muehmel（庫爾特·米默爾）是Dataiku的人工智能戰(zhàn)略負(fù)責(zé)人。他是一位富有創(chuàng)造力和分析能力的高管，擁有15年以上的經(jīng)驗(yàn)，并在企業(yè)人工智能領(lǐng)域以及更廣泛的B2B SaaS市場營銷策略和戰(zhàn)術(shù)方面擁有深厚的專業(yè)知識。
譯者：寶藍(lán)
睿觀：
好的，這是根據(jù)您提供的中文文章內(nèi)容，按照之前處理方式生成的金字塔原理總結(jié)。
睿觀:?企業(yè)要超越生成式AI的初步應(yīng)用（如代碼助手、SaaS增強(qiáng)），利用具備一定自主行動(dòng)能力的AI智能體（Agentic AI）獲得真正的競爭優(yōu)勢，必須進(jìn)行戰(zhàn)略性的“構(gòu)建vs購買”決策。考慮到單一“超級智能體”在企業(yè)環(huán)境中的不可行性以及內(nèi)部開發(fā)運(yùn)維能力存在的“復(fù)雜性閾值”，企業(yè)應(yīng)通過采用新的、標(biāo)準(zhǔn)化的、分層解耦的架構(gòu)范式（如網(wǎng)狀架構(gòu)）來克服這一閾值，從而能夠規(guī)?；亻_發(fā)、部署和管理大量針對特定業(yè)務(wù)場景的、權(quán)限受控的智能體應(yīng)用，尤其是在核心業(yè)務(wù)領(lǐng)域通過自建定制化智能體來實(shí)現(xiàn)關(guān)鍵的競爭差異化。
主要觀點(diǎn):
AI智能體的潛力與企業(yè)應(yīng)用形態(tài)：
AI智能體是基于LLM、能在定義的自主邊界內(nèi)、使用工具追求特定目標(biāo)的系統(tǒng)，其解決復(fù)雜問題的能力遠(yuǎn)超簡單的GenAI應(yīng)用或聊天機(jī)器人。
企業(yè)環(huán)境中不存在全能的“超級智能體”，因?yàn)榉€(wěn)定性和數(shù)據(jù)/工具訪問權(quán)限控制要求應(yīng)用范圍相對狹窄。企業(yè)需要的是大量（可能數(shù)百個(gè)）功能專一、權(quán)限明確的專用AI智能體。
“構(gòu)建 vs 購買”的戰(zhàn)略權(quán)衡：
面對大量智能體應(yīng)用需求，企業(yè)需做決策?！百徺I”現(xiàn)成產(chǎn)品可快速部署，但難以集成、缺乏差異化（競爭對手亦可獲得）?！皹?gòu)建”定制應(yīng)用可精準(zhǔn)適應(yīng)業(yè)務(wù)、創(chuàng)造獨(dú)特優(yōu)勢并實(shí)現(xiàn)完全控制，但對內(nèi)部開發(fā)技能和維護(hù)能力要求極高。
大多數(shù)企業(yè)將采取混合策略：對能帶來顯著競爭差異化的核心業(yè)務(wù)能力進(jìn)行內(nèi)部定制開發(fā)；對于通用效率提升或非核心功能，則可考慮購買。
克服“復(fù)雜性閾值”的挑戰(zhàn)：
任何組織在現(xiàn)有實(shí)踐模式下，其內(nèi)部能夠有效開發(fā)、監(jiān)控和維護(hù)的智能體應(yīng)用程序數(shù)量都存在一個(gè)上限，即“復(fù)雜性閾值”。
隨著自建應(yīng)用增多，復(fù)雜性急劇上升，一旦達(dá)到閾值，即使有業(yè)務(wù)需求也難以繼續(xù)開發(fā)新應(yīng)用。
企業(yè)必須通過標(biāo)準(zhǔn)化和結(jié)構(gòu)化的開發(fā)、運(yùn)維方法來提高自身的“復(fù)雜性閾值”，以支持更大規(guī)模的智能體應(yīng)用部署。
需要新的架構(gòu)范式（推薦：網(wǎng)狀架構(gòu)）：
當(dāng)前常用的、基于框架（如LangChain）的單體式開發(fā)方法雖適用于原型，但難以支撐大規(guī)模、企業(yè)級的智能體應(yīng)用生態(tài)。
提出需要一種新的架構(gòu)范式，例如分層（基礎(chǔ)模型、數(shù)據(jù)、服務(wù)、編排、應(yīng)用層）的網(wǎng)狀架構(gòu)（Mesh Architecture）。
這種架構(gòu)的關(guān)鍵優(yōu)勢在于抽象化和解耦：通過標(biāo)準(zhǔn)化的接口隔離不同層級和組件，允許靈活替換、更新單個(gè)服務(wù)而不影響全局，從而有效管理復(fù)雜性，提升可擴(kuò)展性、可維護(hù)性，最終幫助企業(yè)提高其“復(fù)雜性閾值”。
