過去兩年，我們習(xí)慣了生成式 AI（GenAI）作為“副駕駛”的存在——它分析數(shù)據(jù)、撰寫文案，然后等待人類按下確認(rèn)鍵。然而，2026 年的風(fēng)向標(biāo)已經(jīng)改變。AI自主智能體（Agentic AI）正在崛起，它們不再僅僅是顧問，而是執(zhí)行者。它們能夠跨越前中后臺(tái)，自主調(diào)用 API，完成端到端的業(yè)務(wù)閉環(huán)。
埃森哲的《變革脈動(dòng)》調(diào)查顯示，67% 的高管認(rèn)為 AI 將徹底改變組織核心。然而，現(xiàn)實(shí)是殘酷的：傳統(tǒng)的企業(yè)架構(gòu)（EA）根本無法支撐這種自主性。
如果您的架構(gòu)還停留在“人類決策、系統(tǒng)輔助”的階段，那么是時(shí)候進(jìn)行外科手術(shù)式的升級(jí)了。以下是 CIO 必須關(guān)注的三大架構(gòu)支柱與落地計(jì)劃。
1.1 數(shù)據(jù)質(zhì)量：從“事后清洗”到“實(shí)時(shí)防護(hù)”
在AI自主智能體時(shí)代，臟數(shù)據(jù)不再只是導(dǎo)致報(bào)表錯(cuò)誤，它會(huì)導(dǎo)致錯(cuò)誤的自主行動(dòng)（例如錯(cuò)誤地批準(zhǔn)了一筆退款或發(fā)送了錯(cuò)誤的采購指令）。
新標(biāo)準(zhǔn)：必須建立極其嚴(yán)格的審計(jì)和可觀測性系統(tǒng)。
行動(dòng)：不要試圖清洗所有數(shù)據(jù)。選擇一個(gè)關(guān)鍵領(lǐng)域（如客戶數(shù)據(jù)），實(shí)施自動(dòng)化的質(zhì)量監(jiān)控，在異常數(shù)據(jù)影響 Agent 決策前將其攔截，并引入“人機(jī)回環(huán)（Human-in-the-loop）”機(jī)制。
1.2 集成架構(gòu)：API需要“業(yè)務(wù)語境”
傳統(tǒng)的 API 設(shè)計(jì)是為了傳輸數(shù)據(jù)，而非傳遞“意圖”。Agent 不僅需要讀寫數(shù)據(jù)，還需要理解業(yè)務(wù)規(guī)則。
新接口：打造“智能體友好型（Agent-friendly）”接口。
行動(dòng)：投資于事件驅(qū)動(dòng)架構(gòu)（EDA）。API 不應(yīng)只暴露數(shù)據(jù)字段，還應(yīng)暴露業(yè)務(wù)上下文和規(guī)則，讓 Agent 能夠像人類員工一樣理解“為什么”要這樣做。
1.3 新增架構(gòu)層：構(gòu)建“智能體層 (Agent Tier)”
現(xiàn)在的三層架構(gòu)（展示層、業(yè)務(wù)邏輯層、數(shù)據(jù)層）已經(jīng)不夠用了，企業(yè)需要顯式地構(gòu)建一個(gè)“智能體層”。
核心組件：認(rèn)知 AI（負(fù)責(zé)推理）、自主編排系統(tǒng)（負(fù)責(zé)觸發(fā)應(yīng)用）、智能體生命周期管理（負(fù)責(zé)監(jiān)控與更新）以及語義骨干（Semantic Spine，幫助 Agent 跨越數(shù)據(jù)孤島進(jìn)行理解）。
行動(dòng)：這是一個(gè)增強(qiáng)層，而非通過推翻重來。組建跨職能團(tuán)隊(duì)，為單一高價(jià)值用例構(gòu)建此層。
傳統(tǒng)的企業(yè)架構(gòu)項(xiàng)目動(dòng)輒耗時(shí) 18-24 個(gè)月，但這在 AI 時(shí)代是不可接受的。我們需要將時(shí)間壓縮至 180 天，通過快速迭代建立架構(gòu)成熟度。
第 1-60 天：戰(zhàn)略與評(píng)估
進(jìn)行架構(gòu)成熟度評(píng)估，找出阻礙 Agent 規(guī)?；挠矀?。
關(guān)鍵決策：挑選一個(gè)能在 180 天內(nèi)落地的、面向客戶或創(chuàng)收的流程。評(píng)估哪里自研 Agent 能帶來護(hù)城河，哪里可以直接通過外采解決。
第 61-90 天：夯實(shí)地基
為選定的用例搭建“智能體層”原型。
針對該特定流程，升級(jí) API 能力并建立語義層。
部署“審計(jì)與可觀測性”機(jī)制，確保 Agent 的行為可追蹤。
第 91-180 天：部署與驗(yàn)證
上線第一個(gè)端到端的智能體應(yīng)用。
核心任務(wù)：密切監(jiān)控“自主決策”與“人工干預(yù)”的邊界。利用實(shí)戰(zhàn)數(shù)據(jù)反向驗(yàn)證架構(gòu)設(shè)計(jì)的合理性，為下一步全公司推廣積累模板。
AI自主智能體的浪潮不是關(guān)于誰擁有最強(qiáng)的模型，而是關(guān)于誰擁有最適應(yīng)“自主操作”的架構(gòu)。通過這 180 天的沖刺，即便初期架構(gòu)不完美，您也已經(jīng)比那些仍停留在 PPT 階段的競爭對手搶先了一個(gè)身位。
盡管高管們紛紛表示正在投資AI自主智能體（Agentic AI），但大型組織復(fù)雜的企業(yè)架構(gòu)往往難以應(yīng)對這項(xiàng)技術(shù)的需求。要縮小這一差距，技術(shù)領(lǐng)導(dǎo)者需要通過聚焦的干預(yù)措施提升架構(gòu)成熟度，在關(guān)注技術(shù)債務(wù)、數(shù)據(jù)質(zhì)量和集成的同時(shí)，增加新的能力。
AI自主智能體的獨(dú)特之處
AI自主智能體的工作方式與過去兩年許多企業(yè)部署的生成式 AI（Gen AI）工具不同。ChatGPT 式的助手主要負(fù)責(zé)分析數(shù)據(jù)并建議人類執(zhí)行操作，而AI自主智能體系統(tǒng)則采取多項(xiàng)自主行動(dòng)以實(shí)現(xiàn)業(yè)務(wù)目標(biāo)。這些系統(tǒng)能夠訪問前臺(tái)、中臺(tái)和后臺(tái)的數(shù)據(jù)，以及外部數(shù)據(jù)源。它們打破了歷史遺留的職能壁壘，能夠在無需人工干預(yù)的情況下，自動(dòng)化更廣泛的端到端價(jià)值鏈。
根據(jù)埃森哲去年底對 3650 名高管進(jìn)行的最新“變革脈動(dòng)（Pulse of Change）”調(diào)查，67% 的高管表示人工智能將顯著或徹底改變他們組織的核心。約 15% 的高管表示正在開發(fā)AI自主智能體的概念驗(yàn)證（POC），31% 在特定職能中運(yùn)行試點(diǎn)，31% 目前正在跨多個(gè)職能部署智能體。
這表明，雖然AI自主智能體已成為職場現(xiàn)實(shí)，但大多數(shù)組織仍處于起步階段。為了超越 POC 和有限的試點(diǎn)，企業(yè)需要調(diào)整基礎(chǔ)設(shè)施，以支持跨越系統(tǒng)邊界的自主運(yùn)營。
1.1 數(shù)據(jù)質(zhì)量需要新的標(biāo)準(zhǔn)和護(hù)欄
當(dāng)自主智能體（Agent）基于有缺陷的數(shù)據(jù)進(jìn)行工作流程調(diào)整時(shí)，錯(cuò)誤可能在任何人察覺之前就在系統(tǒng)中迅速傳播。解決方案是實(shí)施強(qiáng)健的可審計(jì)和可觀測系統(tǒng)，包括“人機(jī)回環(huán)（human-in-the-loop）”流程。
行動(dòng)建議：在企業(yè)的一個(gè)關(guān)鍵領(lǐng)域更新客戶、產(chǎn)品或財(cái)務(wù)數(shù)據(jù)的質(zhì)量標(biāo)準(zhǔn)。實(shí)施自動(dòng)化質(zhì)量監(jiān)控，在異常數(shù)據(jù)影響智能體運(yùn)營之前及時(shí)標(biāo)記。同時(shí)，與業(yè)務(wù)部門合作制定數(shù)據(jù)質(zhì)量治理模型，并在擴(kuò)展到其他領(lǐng)域之前，先在一個(gè)領(lǐng)域測試和驗(yàn)證該治理流程。
1.2 讓你的集成架構(gòu)對智能體友好
傳統(tǒng)接口（如 API）主要用于在系統(tǒng)間傳輸數(shù)據(jù)。然而，它們?nèi)狈χ悄荏w理解、訪問和協(xié)調(diào)跨業(yè)務(wù)職能數(shù)據(jù)所需的完整上下文。這需要超越簡單數(shù)據(jù)交換的“智能體友好型”接口。
行動(dòng)建議：將你的集成投資集中在智能體最常進(jìn)行編排的系統(tǒng)上。在與客戶合作中，我們最?？吹降念I(lǐng)域包括面向客戶的運(yùn)營、財(cái)務(wù)工作流程、人力資源平臺(tái)、IT 基礎(chǔ)設(shè)施和合規(guī)部門。首先要為這些核心路徑創(chuàng)建智能體友好的 API。從事件驅(qū)動(dòng)架構(gòu)開始，它不僅揭示數(shù)據(jù)，還能揭示智能體能夠自主理解的業(yè)務(wù)上下文和規(guī)則。對于時(shí)間敏感的價(jià)值鏈，可以考慮部署實(shí)時(shí)數(shù)據(jù)集成和基于事件的架構(gòu)模式。
1.3 構(gòu)建新的架構(gòu)層以實(shí)現(xiàn)自主運(yùn)營
組織需要在其企業(yè)架構(gòu)中創(chuàng)建一個(gè)“智能體層（Agent Tier）”。該層級(jí)由以下部分組成：
認(rèn)知 AI：提供推理能力。
自主編排系統(tǒng)：觸發(fā)相應(yīng)的應(yīng)用程序。
智能體生命周期管理：負(fù)責(zé)引導(dǎo)、更新和監(jiān)控 AI 智能體。
語義骨干 (Semantic Spine)：這是額外的內(nèi)容層，允許 AI 智能體解釋、關(guān)聯(lián)并在企業(yè)不同的數(shù)據(jù)孤島（如智能體友好型 API）之間進(jìn)行推理。
好消息是，這個(gè)智能體層是基于現(xiàn)有基礎(chǔ)設(shè)施構(gòu)建的增強(qiáng)功能，而非替代品。
行動(dòng)建議：專門組建一個(gè)跨職能團(tuán)隊(duì)，為一個(gè)高價(jià)值用例設(shè)計(jì)并實(shí)施智能體層。專注于面向客戶或創(chuàng)收的流程，以吸引高管同事的注意。接受初始實(shí)現(xiàn)不會(huì)在架構(gòu)上完美無缺的事實(shí)。目標(biāo)是展示潛在價(jià)值，同時(shí)確定大規(guī)模部署所需的條件。
在大型公司，典型的企業(yè)架構(gòu)項(xiàng)目通常在 18 到 24 個(gè)月內(nèi)展開。然而，AI自主智能體正在壓縮這些時(shí)間表，因?yàn)槠錆撛诘纳虡I(yè)價(jià)值證明了緊迫性的必要性。根據(jù)我們最新的 Pulse 調(diào)查，21% 的組織正在以人工智能為核心重新設(shè)計(jì)端到端流程。另有 45% 的企業(yè)利用人工智能實(shí)現(xiàn)多個(gè)流程的融合。
因此，想要保持領(lǐng)先的科技領(lǐng)導(dǎo)者應(yīng)專注于雄心勃勃的里程碑：60天內(nèi)制定戰(zhàn)略，90天建立智能體層，180天交付首個(gè)端到端應(yīng)用。這種方法通過快速實(shí)施而非長期規(guī)劃來提升架構(gòu)成熟度。
第 1-60 天：策略與評(píng)估。進(jìn)行企業(yè)架構(gòu)成熟度評(píng)估——通常在四到八周內(nèi)完成——以發(fā)現(xiàn)會(huì)阻礙智能體大規(guī)模工作的具體問題。同時(shí)，評(píng)估哪些流程是面向客戶、能創(chuàng)造收入，并且在 180 天內(nèi)可行實(shí)施的。您還可以利用這一流程評(píng)估在哪些方面開發(fā)專有智能體能夠創(chuàng)造可防御的競爭優(yōu)勢。
第 61-90 天：基礎(chǔ)建設(shè)。為你選定的使用場景建立智能體層。針對該用例所需的特定系統(tǒng)，升級(jí)數(shù)據(jù)治理和 API 能力。實(shí)現(xiàn)可審計(jì)性和可觀測機(jī)制，并創(chuàng)建語義骨干，使智能體能夠解釋相關(guān)系統(tǒng)的數(shù)據(jù)。
第 91-180 天：部署并驗(yàn)證。啟動(dòng)你的第一個(gè)端到端智能體應(yīng)用。未來要密切監(jiān)控績效，重點(diǎn)關(guān)注自主決策最有效的地方和仍需人工監(jiān)督的地方。利用這一實(shí)際應(yīng)用驗(yàn)證架構(gòu)選擇，識(shí)別需要加強(qiáng)的地方，然后再在業(yè)務(wù)范圍內(nèi)推廣。
完成一次成功實(shí)施后，請?jiān)?12 周內(nèi)對數(shù)字核心進(jìn)行診斷，規(guī)劃更廣泛的智能體工作流程推廣。利用你所學(xué)到的經(jīng)驗(yàn)，為快速發(fā)展的戰(zhàn)略性、獨(dú)特性流程打造定制智能體。通過部署現(xiàn)成平臺(tái)以實(shí)現(xiàn)更標(biāo)準(zhǔn)化的功能（如后臺(tái)運(yùn)營），來平衡這些資源密集型項(xiàng)目。憑借 180 天積累的豐富經(jīng)驗(yàn)，規(guī)劃你的集成優(yōu)先事項(xiàng)和擴(kuò)展用例的治理框架。
當(dāng)前能力與AI自主智能體之間的架構(gòu)差距非常大，但能在180天內(nèi)建立基礎(chǔ)代理型架構(gòu)的組織，將在競爭對手還困于試點(diǎn)時(shí)，率先把價(jià)值收入囊中。
作者：Koenraad Schelfaut（昆拉德·舍爾福特）
譯者：木青 ? 編審：@lex
