【導(dǎo)讀】一年前，AI智能體還只是實驗室里的玩具。如今，CIO們正試圖將其嵌入核心業(yè)務(wù)流。但當(dāng)面對“自建（Build）還是采購（Buy）”這個經(jīng)典問題時，許多人發(fā)現(xiàn)：老經(jīng)驗失效了。
與傳統(tǒng)軟件不同，AI智能體不是一個單體產(chǎn)品，而是一個由基礎(chǔ)模型、編排層、代理（智能體）、數(shù)據(jù)架構(gòu)和治理組成的復(fù)雜堆棧。
IBM、Wolters Kluwer和Planview的技術(shù)領(lǐng)袖們達(dá)成了一個共識：未來的贏家，不是最果斷選擇“自建”或“采購”的人，而是那些懂得如何“組合”的人。
IBM的技術(shù)轉(zhuǎn)型CIO Matt Lyteson提出了一個“黃金篩選標(biāo)準(zhǔn)”：?客戶交互是否涉及核心差異化因素？
如果是（涉及收入、核心服務(wù)）：自建（Build）。
案例：IBM內(nèi)部的員工支持代理（智能體）。雖然IT問題是通用的，但員工的角色、設(shè)備歷史和應(yīng)用環(huán)境是IBM獨有的，供應(yīng)商工具無法解決這些細(xì)微差別。
如果否（通用任務(wù)）：采購（Buy）。
案例：OCR（光學(xué)字符識別）、摘要提取。Wolters Kluwer的CTO Alex Tyrrell指出，隨著GenAI的進步，這些任務(wù)已商品化，直接買現(xiàn)成的更劃算。
【顧問洞察】速度也是一個變量。如果需要快速推向市場，可以先買一個通用方案“占位”，待用例成熟后再用自建方案替換。
以為“買”就能省心？CIO們正在遭遇兩大沖擊：
延遲（Latency）是體驗殺手： 在面向客戶的事務(wù)性工作流中，客戶期待“秒回”。但供應(yīng)商的黑盒解決方案往往伴隨著難以解釋的延遲。
成本是“刺客”： 營銷材料里的定價往往簡化了。但一個復(fù)雜的查詢可能涉及檢索（RAG）、分類、多次模型調(diào)用。只有當(dāng)系統(tǒng)大規(guī)模運行時，CIO才會發(fā)現(xiàn)真實的Token消耗是天文數(shù)字。
Planview的CEO Razat Gaurav打了一個精彩的比喻：企業(yè)數(shù)據(jù)就像密歇根湖的水——豐富，但未經(jīng)處理就不能喝。
如果你的數(shù)據(jù)架構(gòu)是碎片化的、缺乏語義層的，那么無論是自建還是采購，AI都會產(chǎn)生“幻覺”。
【戰(zhàn)略推論】自建 vs 采購的決策，直接取決于你的數(shù)據(jù)架構(gòu)成熟度。如果數(shù)據(jù)治理不善，購買一個自帶“語義主干”的平臺可能是唯一出路。
【睿觀：想象一下，你有一個書架，上面擺滿了各種書籍，但是這些書籍沒有分類，也沒有標(biāo)簽。這就是數(shù)據(jù)架構(gòu)碎片化的體現(xiàn)——書籍（數(shù)據(jù)）雖然存在，但是難以找到和使用。
現(xiàn)在，假設(shè)你要寫一篇關(guān)于歷史的論文，你需要找到所有關(guān)于歷史的書籍。由于缺乏語義層（即書籍的分類和標(biāo)簽），你只能一本一本地翻閱，試圖從書名和內(nèi)容中推斷出這本書是否與歷史相關(guān)。這個過程不僅效率低下，而且很容易出錯——你可能錯過一些重要的書籍，或者錯誤地將一些非歷史書籍納入研究范圍。
在這個例子中，如果書架上的書籍有明確的分類和標(biāo)簽（即語義層），你就可以快速、準(zhǔn)確地找到所有相關(guān)的書籍，提高研究的效率和準(zhǔn)確性?！?/span>
這是本文最核心的戰(zhàn)略建議。
三位技術(shù)領(lǐng)袖一致認(rèn)為，編排層是新的架構(gòu)核心。 它負(fù)責(zé)路由查詢、管理權(quán)限、抽象基礎(chǔ)模型。有了這一層，你就可以：
購買供應(yīng)商的角色代理（如銷售助理 智能體）；
自建一個專用的風(fēng)險控制AI智能體；
在后臺無縫切換更便宜或更強的基礎(chǔ)模型（LLM）。
【結(jié)語】AI智能體的未來是“組合式”的。CIO的新任務(wù)不是做一道單選題，而是像投資組合經(jīng)理一樣，在每一層（數(shù)據(jù)、模型、代理-智能體、編排）找到成本與效果的最佳平衡點。
在這個新時代，控制權(quán)必須掌握在自己手中——尤其是治理和編排。
正文：
您在人工智能領(lǐng)域的下一個重大決策不該是自建還是采購——而是如何將兩者結(jié)合
當(dāng)CIO（首席信息官）在共享治理和編排框架下將供應(yīng)商模型與內(nèi)部代理融合時，現(xiàn)代人工智能部署才能成功。
圖源：Rob Schultz / Shutterstock
一年前，agentic AI（AI自主智能體）大多還處于試點項目階段。如今，CIO們正在將其嵌入面向客戶的流程中，在這些流程中，準(zhǔn)確性、延遲性和可解釋性與成本同樣重要。
隨著技術(shù)超越實驗階段逐漸成熟，“自建還是采購”的問題又迫切地出現(xiàn)了，但這個決策比以往任何時候都更難。與傳統(tǒng)軟件不同，AI自主智能體不是單一產(chǎn)品。它是一個由基礎(chǔ)模型、編排層、特定領(lǐng)域代理、數(shù)據(jù)架構(gòu)和治理框架組成的堆棧。每一層都有不同的風(fēng)險和收益。
CIO們不能再簡單地問：“我們是自建還是采購？”他們現(xiàn)在必須在多個組件之間做出權(quán)衡，確定采購什么、在內(nèi)部構(gòu)建什么，以及如何在每月都在變化的環(huán)境中保持架構(gòu)的靈活性。
一、了解自建和采購的內(nèi)容
IBM的技術(shù)轉(zhuǎn)型首席信息官Matt Lyteson（馬特·萊頓森）在做出每一個自建-采購決策時都有一個戰(zhàn)略篩選標(biāo)準(zhǔn)：客戶交互是否涉及核心差異化因素？如果答案是肯定的，僅靠采購?fù)遣粔虻摹?/span>“我會回歸到客戶支持對業(yè)務(wù)是否具有戰(zhàn)略性這一點，”他說，“如果這是我們以高度專業(yè)化的方式進行的事情——與收入相關(guān)或者是我們?yōu)榭蛻舴?wù)的核心部分——這通常是一個自建的信號?！?/span>
IBM甚至將這種邏輯應(yīng)用于內(nèi)部。該公司使用AI自主智能體來支持員工，但這些交互依賴于對員工角色、設(shè)備、應(yīng)用程序和歷史問題的深入了解。供應(yīng)商工具可能解決通用的IT問題，但無法應(yīng)對IBM環(huán)境中的細(xì)微差別。
然而，Lyteson（萊頓森）警告說，戰(zhàn)略重要性并非唯一因素。速度也很重要?！叭绻倚枰焖賹⒛硺?xùn)|西投入生產(chǎn)，速度可能比自建的愿望更重要，”他說，“如果一個更通用的解決方案能快速為我們帶來價值，我可能會接受它?！睂嶋H上，這意味著CIO們有時會先采購，然后在邊緣進行自建，或者一旦用例成熟，最終構(gòu)建替代品。
另一個有用的見解來自Wolters Kluwer，該公司健康首席技術(shù)官Alex Tyrrell（亞歷克斯·泰瑞爾）在決策過程的早期進行實驗以測試可行性。他的團隊沒有過早地確定自建或采購的方向，而是快速探究每個用例，以了解潛在問題是共性問題還是差異化問題。
“你希望快速進行實驗，以了解問題到底有多復(fù)雜，”他說，“有時你會發(fā)現(xiàn)采購并快速推向市場更可行。而其他時候，你會很早就遇到限制，這會告訴你需要在哪里進行自建?！?/span>
Tyrrell（泰瑞爾）指出，許多曾經(jīng)專業(yè)化的任務(wù)——OCR（光學(xué)字符識別）、摘要提取、信息提取——隨著生成式人工智能的進步被商品化了。這些任務(wù)更適合采購而不是自建。但在醫(yī)療保健、合規(guī)和金融領(lǐng)域中，管理工作流程的高階邏輯則是另一回事。這些層面決定了人工智能的回復(fù)僅僅是有幫助的，還是真正值得信賴的。
Tyrrell（泰瑞爾）說，這就是內(nèi)部自建工作開始的地方。這也是實驗?zāi)軒砘貓蟮牡胤剑?/span>因為快速測試可以在很早的時候揭示現(xiàn)成的代理是否能提供有意義的價值，或者是否必須定制工程領(lǐng)域推理。
二、采購需謹(jǐn)慎
CIO們常常認(rèn)為采購能將復(fù)雜性降至最低。但供應(yīng)商工具也帶來了它們自身的挑戰(zhàn)。Tyrrell（泰瑞爾）將延遲性確定為第一個麻煩點。聊天機器人的演示可能感覺是即時的，但面向客戶的工作流程需要快速響應(yīng)?！霸谑聞?wù)性工作流程中嵌入代理意味著客戶期望近乎即時的結(jié)果，”他說，“即使是小的延遲也會造成糟糕的體驗，而理解供應(yīng)商解決方案中延遲的來源可能很困難。”
成本很快成為第二個沖擊因素。單個客戶查詢可能涉及基礎(chǔ)信息、檢索、分類、上下文示例以及多次模型調(diào)用。每一步都消耗令牌，而供應(yīng)商在其營銷材料中常常簡化定價。但CIO們只有在系統(tǒng)大規(guī)模運行時才會發(fā)現(xiàn)真正的成本。
然后是集成問題。許多解決方案承諾無縫的CRM（客戶關(guān)系管理）或票務(wù)集成，但企業(yè)環(huán)境很少符合演示情況。Lyteson（萊頓森）見證了這種情況的發(fā)生?！氨砻嫔峡雌饋硎羌床寮从?，”他說，“但如果它不能輕松連接到我的CRM或提取正確的企業(yè)數(shù)據(jù)，那就需要更多的工程工作，這時采購就不再看起來更快了?！?/span>
這些意外正在改變CIO采購人工智能的方式。他們不再購買靜態(tài)應(yīng)用程序，而是越來越多地購買平臺——可以編排、治理和更換代理的可擴展環(huán)境。
三、牢記數(shù)據(jù)架構(gòu)和治理的關(guān)鍵作用
大多數(shù)IT領(lǐng)導(dǎo)者已經(jīng)明白了數(shù)據(jù)在使人工智能發(fā)揮作用方面的關(guān)鍵作用。軟件公司Planview的首席執(zhí)行官Razat Gaurav（拉扎特·高拉夫）將企業(yè)數(shù)據(jù)比作密歇根湖的水：豐富，但未經(jīng)處理就不能飲用?！澳阈枰^濾——管理、語義和本體層——才能使其可用，”他說。沒有這些，幾乎可以肯定會出現(xiàn)幻覺問題（指人工智能生成錯誤或不合理的輸出）。
大多數(shù)企業(yè)跨幾十個甚至幾百個系統(tǒng)運行。分類法不同，字段存在偏差，數(shù)據(jù)相互關(guān)系很少明確。將智能體推理應(yīng)用于不一致或孤立的信息會導(dǎo)致失敗。這就是為什么像Planview和Wolters Kluwer這樣的供應(yīng)商將語義層、圖形結(jié)構(gòu)和數(shù)據(jù)治理嵌入其平臺中。這些經(jīng)過管理的數(shù)據(jù)架構(gòu)允許代理對經(jīng)過協(xié)調(diào)、情境化和訪問控制的數(shù)據(jù)進行推理。
對于CIO來說，這意味著自建-采購決策與他們的數(shù)據(jù)架構(gòu)成熟度密切相關(guān)。如果企業(yè)數(shù)據(jù)是碎片化的、不可預(yù)測的或治理不善的，內(nèi)部構(gòu)建的代理將舉步維艱。購買一個提供語義主干的平臺可能是唯一可行的途徑。
Lyteson（萊頓森）、Tyrrell（泰瑞爾）和Gaurav（高拉夫）都強調(diào)，人工智能治理，包括倫理、權(quán)限、審查流程、偏差監(jiān)測和數(shù)據(jù)處理規(guī)則，必須由CIO控制。治理不再是一個附加層，它是代理構(gòu)建和部署的一個組成部分。而且這是CIO們不能外包的一個層面。
數(shù)據(jù)決定可行性，但治理決定安全性。Lyteson（萊頓森）描述了即使是良性的用戶界面元素也可能導(dǎo)致問題。一個簡單的點贊或點踩反饋按鈕可能會將完整的用戶提示，包括敏感信息，發(fā)送給供應(yīng)商的支持團隊?！澳憧赡芘鷾?zhǔn)了一個不使用你的數(shù)據(jù)進行訓(xùn)練的模型，但隨后一名員工點擊了反饋按鈕，”他說，“這個提示窗口可能包含來自提示的敏感細(xì)節(jié)，所以即使在用戶界面層也需要治理?！?/span>
基于角色的訪問又增加了另一個挑戰(zhàn)。智能體不能簡單地繼承它們調(diào)用的模型的權(quán)限。如果治理不能在語義層和智能代理層始終如一地應(yīng)用，未經(jīng)授權(quán)的數(shù)據(jù)可能會通過自然語言交互暴露出來。Gaurav（高拉夫）指出，行業(yè)早期的部署中恰恰出現(xiàn)了這個問題，包括高級管理人員的數(shù)據(jù)出現(xiàn)在初級員工查詢中的情況。
四、盡早投資編排層，它是新的架構(gòu)核心
這三位領(lǐng)導(dǎo)者最驚人的共識是企業(yè)級人工智能基礎(chǔ)層日益增長的重要性：這一層編排代理、管理權(quán)限、路由查詢并抽象基礎(chǔ)模型。
Lyteson（萊頓森）稱其為有主見的企業(yè)人工智能平臺，這是在整個業(yè)務(wù)中構(gòu)建和集成人工智能的基礎(chǔ)。Tyrrell（泰瑞爾）正在采用像MCP這樣的新興標(biāo)準(zhǔn)，以實現(xiàn)確定性的多代理交互。Gaurav（高拉夫）的連接工作圖在Planview的平臺內(nèi)也起著類似的作用，它連接數(shù)據(jù)、本體和特定領(lǐng)域邏輯。
這個編排層做了一些供應(yīng)商和內(nèi)部團隊單獨都無法實現(xiàn)的事情。它確保來自不同來源的代理可以協(xié)作，并提供一個執(zhí)行治理的單一位置。此外，它允許首席信息官在不破壞工作流程的情況下更換模型或代理。最后，它成為特定領(lǐng)域代理、供應(yīng)商組件和內(nèi)部邏輯形成一個連貫生態(tài)系統(tǒng)的環(huán)境。
有了這樣一個層，自建-采購問題就變得碎片化了，CIO們可能會購買供應(yīng)商的角色代理，構(gòu)建一個專門的風(fēng)險管理智能體，購買基礎(chǔ)模型，并通過他們控制的平臺編排所有內(nèi)容。
五、將自建與采購的決策視為一個過程，而非一個事件
Gaurav（高拉夫）認(rèn)為企業(yè)從試點到生產(chǎn)部署的速度比預(yù)期的要快。六個月前，許多企業(yè)還在進行實驗，但現(xiàn)在他們正在擴大規(guī)模。Tyrrell（泰瑞爾）預(yù)計，在共享協(xié)議和智能體-智能體通信的推動下，多合作伙伴生態(tài)系統(tǒng)將成為新常態(tài)。Lyteson（萊頓森）認(rèn)為，CIO們將越來越多地把人工智能作為一個投資組合來管理，不斷評估哪些模型、代理和編排模式能以最低成本帶來最佳結(jié)果。
從這些觀點來看，很明顯，自建-采購問題不會消失，但它將成為一個持續(xù)的過程，而不是一次性的選擇。
最后，CIO們必須用一個嚴(yán)謹(jǐn)?shù)目蚣軄韺Υ?/span>AI自主智能體。他們需要清楚哪些用例重要以及為什么重要，必須從小型、有把握的試點項目開始，只有在結(jié)果一致時才擴大規(guī)模。他們還應(yīng)該在具有差異化的地方構(gòu)建邏輯，在已經(jīng)商品化的地方進行采購，并將數(shù)據(jù)管理視為一個一流的工程項目。同樣重要的是，盡早投資一個編排層，它可以協(xié)調(diào)代理、執(zhí)行治理，并使企業(yè)免受供應(yīng)商鎖定的影響。
AI自主智能體正在重塑企業(yè)架構(gòu)，如今出現(xiàn)的成功部署既不是純粹自建的，也不是純粹采購的——它們是組合而成的。企業(yè)正在購買基礎(chǔ)模型，采用供應(yīng)商提供的特定領(lǐng)域代理，構(gòu)建自己的工作流程，并在共享治理和編排框架下連接所有內(nèi)容。
在這個新時代取得成功的CIO們，不會是那些最果斷地選擇自建或采購的人。他們將是那些創(chuàng)建最具適應(yīng)性的架構(gòu)、最強有力的治理以及對人工智能堆棧每一層歸屬有最深刻理解的人。
作者：Pat Brans（帕特·布蘭斯）
Pat Brans（帕特·布蘭斯）是Grenoble ècole de Management/格勒諾布爾管理學(xué)院的一名高級教授，也是《Master the Moment: Fifty CEOs Teach You the Secrets of Time Management/掌握時刻：50位ceo教你時間管理的秘密》一書的作者。Brans（布蘭斯）是公認(rèn)的技術(shù)和生產(chǎn)力專家，曾在Computer Sciences Corporation/計算機科學(xué)公司、惠普和Sybase/賽貝斯擔(dān)任高級職位。他的大部分企業(yè)經(jīng)驗都集中在應(yīng)用技術(shù)來提高勞動力的效率上?，F(xiàn)在，他通過寫作和教學(xué)，把同樣的想法帶給了更多的觀眾。
譯者：寶藍(lán)
