随着人工智能(AI)和智能体在企业中的普及,行业焦点已从技术引入转向如何充分释放其红利。自主AI智能体网络具备发现信息、协作、谈判及代表个人和组织执行任务的能力,这标志着互联网正从以网站和应用为中心,向由智能数字生态系统驱动的模式转变。

据媒体报道,维普公司(Wipro)首席战略官兼技术官Hari Shetty在接受采访时深入剖析了这一“智能体互联网”(Internet of Agents)趋势,并探讨了其对企业计算的深远影响。

从孤立试点到企业级生态系统

长期以来,企业AI应用呈现为一系列孤立实验:聊天机器人、Copilot助手以及大量未能投入生产的概念验证项目并存。行业报告显示,这一阶段正走向终结,目前40%的大型组织正在积极扩展智能体AI的应用。取而代之的,是一个由平台、人员和流程紧密连接的生态系统。

Shetty指出,三种变革正在同步发生:一是关乎效率与生产力的成本转型;二是涉及底层数据模型和治理体系构建的技术转型;三是最具雄心的业务转型,即拆解现有流程,围绕组织承诺的业务成果进行重构。

尽管多数讨论聚焦于易于衡量的成本转型,但这可能使企业错失更大机会。仅在现有流程上叠加智能体以获取边际收益,无法触及核心价值。维普 Intelligence 的方向正是连接数据、流程、平台和智能体,帮助客户超越单纯的生产力提升,迈向可衡量的业务成果。

跨边界协作与混合架构

AI智能体通过编排层进行协作,跨模型、数据源和企业系统协同完成复杂工作流。为此,维普近期推出了专用的AI原生业务与平台部门,专注于构建智能体及其编排层,确保每个智能体能识别正确能力、访问相关信息并协调行动。

在架构层面,企业将采用混合模式,结合前沿模型与基于自身数据构建的企业特定模型。大多数企业任务无需依赖前沿大模型,扎根于准确数据的较小模型往往更高效、易治理且适合特定领域。编排层负责在每一步工作流中选择最合适的模型、数据和工具。

跨组织、地域和技术平台的协作不仅依赖连接性,更需要可验证的身份、明确权限及互信机制。同时,控制平面允许人类设定自主程度、干预必要环节并审查智能体行动,从而在扩展智能体工作流的同时,保持对数据、访问和问责的控制。

“智能体互联网”重塑企业计算

历史上,互联网连接了人与信息;“智能体互联网”则进一步将AI驱动的智力连接至企业系统、工作流和其他智能体,使软件能从被动呈现信息转向基于信息自主采取行动。

实践中,智能体主要分为两类:一是辅助型智能体,协助个人总结邮件、分析信息或开发测试软件;二是直接嵌入业务流程的智能体,它们通常隐形运作,跨越系统解决问题、完成交易或编排工作流,仅在需要人类判断时升级决策。

面对市场炒作,证明价值胜过空谈承诺。企业应从核心流程和关键绩效指标(KPI)入手,以AI优先思维重新构想流程,并明确承诺的业务成果。这种以结果为导向的方法有助于避免投资失败,因为价值衡量标准是业务结果而非部署的智能体数量。

用例落地与运营挑战

智能体生态系统已开始在客户入职、供应链调查、财务规划、风险管理等领域重塑工作。这些应用多见于跨越多个系统和决策的流程,如财务对账、欺诈分析、发票工作流,以及物流领域的车队协调和工厂维护。

这些用例超越了加速孤立任务,涉及利用企业数据、应用业务规则并协调跨系统行动的端到端流程重构,这对运营基础提出了更高要求。维普通过一系列AI优先解决方案,将智能体连接到可信数据并集成至核心系统,提供清晰的操作控制。横向解决方案涵盖人力资源、财务和供应链,行业特定方案则针对银行KYC、制造业资产管理等关键任务。

实现规模化的前提是建立信任。企业需确保智能体在处理真实业务量和意外情况时,不牺牲准确性或一致性。可追溯性至关重要,企业必须能够审计决策过程、理解执行逻辑并在失败时恢复弹性。因此,韧性和人类监督需在设计初期融入,特别是在高风险领域。

此外,明确的 ownership 不可或缺。企业需建立运营模式,赋予智能体明确角色,同时让人类对结果负责。人类所有者需能设定自主级别、引导行为并审查性能,辅以清晰的审计轨迹。

成功关键:人机信任而非智能体数量

智能体数量并非衡量进展的有效指标,因定义缺乏一致性。更好的衡量标准是人机协作完成的业务成果,如更高效的欺诈检测或更敏捷的运营。

这要求AI素养在整个组织内扩散,各层级员工需了解如何与智能体合作及何时介入。领导者需创造心理安全环境,鼓励团队尝试新技术。行业报告显示,仅13%的员工感到因用AI重塑工作而获得奖励或支持,尤其是在收益非立竿见影时。

这反映了AI价值的J曲线效应:投资先行,随后经历一段收益看似有限的时期。领导者需在此阶段保持信心,因为更大的回报将在更多价值流转移至新运营模式后出现。成功的企业将是那些建立起足够信任,使人及智能体能自信协同工作,并在日益自主的环境中保持清晰问责制的企业。