摘要：具備AI能力不僅僅意味著擁有一個模型，而是意味著擁有一個能夠思考的企業(yè)。當(dāng)傳統(tǒng)管道無法承載自主智能體時，你需要構(gòu)建一個新的層級——智能件（Mindware）。
當(dāng)人們問我“企業(yè)具備AI能力（AI-ready）”意味著什么時，我的回答通常會讓他們感到意外：
具備AI能力并非意味著你擁有一個先進(jìn)的大模型，而是意味著你擁有一個能夠“思考”的企業(yè)。
在過去幾年，我們見證了AI從實驗室走向戰(zhàn)略核心。然而，許多組織依然舉步維艱。為什么？因為他們的架構(gòu)基礎(chǔ)還停留在舊時代。把最先進(jìn)的AI引擎強行嫁接到傳統(tǒng)的IT管道上，很難產(chǎn)生實際成果。
為了真正釋放AI潛力，企業(yè)必須完成一次關(guān)鍵躍遷：從傳統(tǒng)的中間件（Middleware），轉(zhuǎn)向我所定義的智能件（Mindware）。
傳統(tǒng)中間件是為那個“可預(yù)測”的世界構(gòu)建的：它的任務(wù)是移動數(shù)據(jù)、確保連通、避免故障。它像是一個勤勤懇懇的搬運工。
但AI系統(tǒng)——尤其是自主智能體（Agents）——不僅僅處理數(shù)據(jù)。它們需要解釋數(shù)據(jù)、關(guān)聯(lián)背景，并據(jù)此采取行動。
智能體需要情境（Context）、記憶（Memory）、規(guī)范約束（Norms）和互操作性。傳統(tǒng)的集成堆棧從未為此設(shè)計。
我們需要一個新的智能層，這就是智能件（Mindware）。它不僅僅傳遞消息，更是在信號到達(dá)下游之前就完成以下工作：
??理解情境：知道“為什么”發(fā)送這條消息。
??執(zhí)行策略：確保商業(yè)規(guī)則被遵守。
??檢測異常：在問題擴散前識別它。
??路由決策：傳遞的不僅僅是數(shù)據(jù)，而是決策邏輯。
要構(gòu)建承載智能件的企業(yè)底座，CIO需要關(guān)注三個關(guān)鍵維度：
1. 為適應(yīng)性而生的架構(gòu)
AI在僵化的點對點管道中會窒息，它需要在動態(tài)環(huán)境中呼吸。?云原生工作負(fù)載、事件流結(jié)構(gòu)和容器化服務(wù)是基礎(chǔ)。在零售和物流行業(yè)的現(xiàn)代化改造中，一旦用自適應(yīng)的事件驅(qū)動架構(gòu)取代傳統(tǒng)集成，吞吐量和決策質(zhì)量就會立即質(zhì)變。
2. 融入骨髓的結(jié)構(gòu)性治理
AI是數(shù)據(jù)缺陷的放大器。薄弱的數(shù)據(jù)譜系=不透明的決策；糟糕的元數(shù)據(jù)=錯誤的預(yù)測。 真正的治理不能是事后的“補丁”或人工監(jiān)督層。它必須是結(jié)構(gòu)性的——直接嵌入到管道、API和編排流程中。
3. 人機協(xié)作的新范式
麥肯錫的研究顯示，當(dāng)AI采用與員工準(zhǔn)備度相結(jié)合時，生產(chǎn)力可提高40%至60%。 但這不僅僅是自動化。
工程師信任AI的自動分類，從而專注于高價值工程；
分析師將預(yù)測性見解納入工作流，決策更快更自信；
運營團隊讓AI智能體處理日常，自己專注于異常情況。
如果不具備AI能力，你甚至招不到人。最近一項美國勞動力研究揭示了殘酷的現(xiàn)實：
73%的求職者認(rèn)為AI在人類看到之前就屏蔽了他們的簡歷。
42%的雇主認(rèn)為AI將在五年內(nèi)淘汰大多數(shù)入門級白領(lǐng)職位。
這帶來了一個新的組織挑戰(zhàn)：如果企業(yè)想要AI時代的人才，它們就必須先像AI時代的企業(yè)那樣運營。
采用AI（Adopting AI）和為AI進(jìn)行工程設(shè)計（Engineering for AI）之間的差距正在迅速擴大。
平庸的企業(yè)將自動化任務(wù)。
優(yōu)秀的企業(yè)將自動化決策。
卓越的企業(yè)將自動化學(xué)習(xí)。
面向2026年，CIO必須優(yōu)先考慮這五項投資：
統(tǒng)一集成架構(gòu)：徹底消除碎片化。
敘事性遙測：數(shù)據(jù)流不僅是指標(biāo)，要是能講述業(yè)務(wù)故事的信息流。
持續(xù)學(xué)習(xí)管道：讓自動化流程具備自我進(jìn)化的能力。
嵌入式治理：治理即架構(gòu)，而非事后追加。
跨職能運營：聯(lián)合工程、數(shù)據(jù)科學(xué)和安全團隊。
結(jié)語
投資于智能、情境感知的“智能件”，將幫助企業(yè)行動更快、學(xué)習(xí)更快。
未來的競爭優(yōu)勢不屬于擁有最多AI工具的人，而屬于那些將AI視為一種架構(gòu)原則，并以此構(gòu)建出“智能件”大腦的企業(yè)。
原文：Engineering the AI-ready enterprise: From middleware to mindware ?打造具備人工智能能力的企業(yè)：從中間件到智能件
當(dāng)人工智能擁有背景信息、規(guī)范約束和智能連接時，它的表現(xiàn)最為出色——這就引入了“mindware（智能件）”的概念，這一層面幫助企業(yè)進(jìn)行思考，而不僅僅是集成工具。
圖源：Rob Schultz /?Shutterstock
當(dāng)人們問筆者“具備人工智能能力”是什么意思時，筆者通常會這樣告訴他們：具備人工智能能力并非意味著擁有一個模型，而是意味著擁有一個能夠思考的企業(yè)。
在過去幾年里，筆者見證了人工智能從小型實驗發(fā)展成為企業(yè)戰(zhàn)略的核心組成部分。然而，許多組織仍然舉步維艱，因為其架構(gòu)基礎(chǔ)未能跟上技術(shù)發(fā)展的步伐。將人工智能附加到傳統(tǒng)管道上，很少能產(chǎn)生實際成果。
為了真正釋放人工智能的潛力，公司必須從傳統(tǒng)的中間件轉(zhuǎn)向筆者所說的智能件，這是一個智能的情境集成層，它能夠理解意圖、執(zhí)行政策并在整個企業(yè)范圍內(nèi)指導(dǎo)自主決策。
一、為什么僅靠中間件無法支持自主性
傳統(tǒng)中間件是為可預(yù)測的世界而構(gòu)建的：移動數(shù)據(jù)、確保正常運行時間、避免故障。
但人工智能系統(tǒng)不僅僅是處理數(shù)據(jù)，它們還會對數(shù)據(jù)進(jìn)行解釋、關(guān)聯(lián)，并且越來越多地?fù)?jù)此采取行動。
這一轉(zhuǎn)變與“智能企業(yè)系統(tǒng)”的崛起相呼應(yīng)，筆者在《How AI-driven middleware is rewiring cloud integration for the enterprise/人工智能驅(qū)動的中間件如何為企業(yè)重新構(gòu)建云集成》一文中探討了這一概念。智能體需要情境、記憶、規(guī)范約束和互操作性。傳統(tǒng)的集成堆棧從未為此而設(shè)計。
現(xiàn)代企業(yè)需要一個智能層，即一種智能件，它能夠在信號到達(dá)下游系統(tǒng)之前對其進(jìn)行解釋、檢測異常并指導(dǎo)決策。
現(xiàn)代企業(yè)需要一個能夠做到以下幾點的智能層：
理解情境
執(zhí)行商業(yè)政策
檢測異常
路由決策，而不僅僅是消息
從歷史模式中學(xué)習(xí)
這就是智能件的基礎(chǔ)。
二、具備人工智能能力的企業(yè)的三大基礎(chǔ)
1.為適應(yīng)性而構(gòu)建的架構(gòu)
人工智能系統(tǒng)在動態(tài)環(huán)境中蓬勃發(fā)展，而不是在僵化的點對點管道中。
云原生工作負(fù)載、事件結(jié)構(gòu)、流遙測和容器化服務(wù)使系統(tǒng)能夠靈活擴展并做出響應(yīng)。這些模式與筆者在IEEE TechRxiv論文《Enabling Fault-Tolerant Multicast in Cloud-Native Architectures/在云原生架構(gòu)中實現(xiàn)容錯多播》中概述的原則密切相關(guān)，在該論文中，彈性和適應(yīng)性是分布式智能的核心。
在零售和物流行業(yè)的現(xiàn)代化努力中，筆者看到，一旦用自適應(yīng)事件驅(qū)動架構(gòu)取代傳統(tǒng)集成，吞吐量、信號質(zhì)量和可靠性就會立即得到改善。
2.融入架構(gòu)結(jié)構(gòu)的治理
人工智能放大了數(shù)據(jù)生態(tài)系統(tǒng)中的每一個缺陷。薄弱的譜系會導(dǎo)致不透明的決策。糟糕的元數(shù)據(jù)會導(dǎo)致不準(zhǔn)確的預(yù)測。無效的訪問控制會帶來合規(guī)風(fēng)險。
最近對企業(yè)人工智能采用情況的分析強化了這一趨勢：大多數(shù)失敗來自架構(gòu)和治理方面的差距，而不是糟糕的模型。這與對代理人工智能的更廣泛研究一致。
真正的治理是結(jié)構(gòu)性的。它必須直接嵌入到管道、API（應(yīng)用程序編程接口）、編排和自動化中；而不是作為一個手動監(jiān)督層附加在它們之上。
3.理解與人工智能協(xié)作的員工隊伍
筆者在人工智能應(yīng)用方面看到的一些最有意義的進(jìn)展，來自團隊如何學(xué)會與智能系統(tǒng)合作。信任自動分類的工程師可以從重復(fù)性的事件處理中解脫出來，專注于更高價值的工程工作。將預(yù)測性見解納入工作流程的分析師能夠更快、更自信地做出決策。讓人工智能代理管理日常行動的運營團隊有更多精力專注于異常情況和影響客戶的問題。
當(dāng)整個組織發(fā)生這些轉(zhuǎn)變時，企業(yè)開始以更具適應(yīng)性和響應(yīng)性的節(jié)奏運作。團隊得到增強，而不僅僅是實現(xiàn)自動化，企業(yè)從更快的決策、更高的準(zhǔn)確性和更具彈性的運營中受益。
McKinsey（麥肯錫）的研究一致顯示，當(dāng)人工智能的采用與員工隊伍的準(zhǔn)備程度相結(jié)合時，生產(chǎn)力可提高40%至60%。
三、智能企業(yè)的崛起
我們正進(jìn)入一個時代，智能體作為自主參與者，做出微觀決策、監(jiān)控系統(tǒng)、優(yōu)化流程、預(yù)測干擾并觸發(fā)補救措施。
但它們只能在為支持自主性而構(gòu)建的環(huán)境中安全運行。
在大規(guī)?，F(xiàn)代化計劃中，當(dāng)組織從基于規(guī)則的中間件轉(zhuǎn)向情境感知、自適應(yīng)的集成架構(gòu)時，會出現(xiàn)最顯著的改進(jìn)。當(dāng)系統(tǒng)理解消息存在的原因，而不僅僅是其包含的內(nèi)容時，彈性、可靠性和決策質(zhì)量都會提高。
這些智能體可以：
重新平衡供應(yīng)鏈
重新路由網(wǎng)絡(luò)流量
檢測欺詐
確定異常優(yōu)先級
自動化補救措施
在毫秒內(nèi)做出微觀決策
四、員工隊伍的現(xiàn)實情況：為什么具備人工智能能力很重要
人工智能不僅正在重塑系統(tǒng)，還正在重塑組織的招聘方式、團隊建設(shè)方式以及人才競爭方式。最近一項美國勞動力研究發(fā)現(xiàn)：
五分之一的新科技畢業(yè)生在收到錄用通知前會申請超過50份工作。
73%的人認(rèn)為人工智能簡歷篩選器在人類看到他們的申請之前就屏蔽了這些申請。
78%的人報告遇到過“幽靈職位”，即虛假或過時的職位列表。
只有21%的申請能進(jìn)入面試環(huán)節(jié)。
現(xiàn)在近一半的雇主使用人工智能篩選簡歷，28%的雇主使用人工智能測試或安排候選人。
42%的雇主認(rèn)為人工智能將在五年內(nèi)淘汰大多數(shù)入門級白領(lǐng)職位。
這帶來了一個新的組織挑戰(zhàn)：如果企業(yè)想要人工智能時代的人才，它們就必須像人工智能時代的企業(yè)那樣運營。
五、首席信息官在2026年及以后必須優(yōu)先考慮的事項
在各個行業(yè)中，在人工智能方面領(lǐng)先的組織都有五項共同的投資：
消除碎片化的統(tǒng)一集成架構(gòu)
具有敘事智能的遙測技術(shù)——講述故事的數(shù)據(jù)流，而不僅僅是一個指標(biāo)
能夠持續(xù)學(xué)習(xí)的人工智能增強自動化管道
嵌入架構(gòu)而非事后追加的治理
聯(lián)合工程、數(shù)據(jù)科學(xué)、架構(gòu)和安全的跨職能運營模式
將人工智能視為一種架構(gòu)原則而非一個項目的首席信息官，將定義下一個競爭周期。
六、這一切將走向何方？
采用人工智能和為人工智能進(jìn)行工程設(shè)計之間的差距正在迅速擴大：
一些組織將自動化任務(wù)
另一些組織將自動化決策
少數(shù)精選組織將自動化學(xué)習(xí)
投資于智能、情境感知的智能件的企業(yè)將行動更快、學(xué)習(xí)更快、創(chuàng)新更快，并建立起復(fù)合競爭優(yōu)勢。
就筆者的經(jīng)驗而言，這才是真正具備人工智能能力的含義。
作者：Tejas Gajjar（特賈斯·加賈爾）
譯者：寶藍(lán) ?編審：@lex
