投资代理式AI的企业应按层级顺序构建平台:首先围绕用例构建\u201charness\u201d(套件),然后构建系列\u201charness\u201d,最后构建\u201cmesh\u201d(网络)。多数可靠性提升来自\u201charness\u201d,而非模型升级。常见错误是\u201c网格优先\u201d构建,即先定义治理平台,这通常导致无对象治理和供应商路线图依赖,未见成功案例。正确的顺序是先构建\u201charness\u201d,待收回成本后扩展代理组合,当代理规模引发治理问题时再引入\u201cmesh\u201d。
代理平台包含四层结构:1. **模型**:AI/大语言模型引擎,无特定公司知识,行为不可完美重复;2. **上下文**:模型请求所需企业信息,但通常不持续存在于会话间;3. **harness**:将模型转化为可靠代理的关键,包含记忆层、技能库、工具协议层、执行环境、可达性层等;4. **mesh**:管理代理群体,类似代理人力资源,包含注册中心、身份访问治理、可观察性骨干、经济核算层。
代理式AI赛道正从平台组件价值层级构建演进,强调\u201charness\u201d在可靠性提升中的核心作用。未来将更注重身份与供应链控制、输出验证、战略选择权及劳动力转型。企业需明确代理合作策略,平衡能力、成本与连续性,并同步推进人力资源、业务领导、项目办公室的转型工作。平台被视为项目而非采购,需建立跨职能赞助人小组,并设计可移植性。
当前市场存在\u201charness\u201d与\u201cmesh\u201d构建顺序的争议,27%组织在代理出现前购买治理平台,60%先构建\u201charness\u201d。83%的CIO依赖人工审核重要输出,仅52%进行自动化评估。身份与供应链控制方面,48%规模化代理CIO建立注册表,仅22%指定角色授权和生命周期。部署环境选择上,46%CEO将供应商和模型集中度列入风险登记册,仅10%有可移植性声明。
研报提示的主要风险包括:1. 平台组装顺序错误导致扩展失败;2. 身份与供应链控制不足,如特权身份管理缺失;3. 输出验证过度依赖人工审核,自主权受限;4. 代理预算超支且早于计划;5. 劳动力转型缺乏预算和负责人处理移除工作。建议明确代理人行动责任归属,建立身份审计撤销机制,诚实评估代理成本与扩展性,并设立独立预算和负责人处理平台移除工作。