@levie:企业级 AI 的部署——不仅仅是与聊天机器人交互——毫无疑问需要投入实际工作来调整…
摘要
Aaron Levie 讨论了在企业工作流中部署 AI 智能体的重大挑战,包括数据碎片化、遗留系统以及变更管理的需求,并强调了部署公司日益增长的作用。
查看缓存全文
缓存时间: 2026/07/03 06:30
在企业中部署AI,远不止是与聊天机器人交互那么简单,这显然需要付出真正的努力,才能使AI系统与它们所参与的基础业务流程对齐,并驱动期望的结果。
大多数工作流在设计时并未考虑让AI智能体直接融入。如今企业中的工作流面临碎片化数据、智能体无法连接的遗留软件系统、机构化而非文档化的知识等诸多挑战。
要想大规模可靠地部署智能体,你需要清理数据、现代化IT系统、设计评估机制、推动新最终状态流程的变更管理等。这还包括设计人类在哪些环节保持参与(这将意味着人们与工作流交互的全新方式),以及确定公司的新知识产权形态。
正因如此,众多应用型AI公司正在扩大FDE(前沿部署工程)投入并推出部署公司(deploycos),而FDE角色也将成为未来科技领域最关键的职位之一。这一领域仍有大量工作亟待完成。
Sheel Mohnot (@pitdesi): 微软投入25亿美元和6000名工程师组建“前沿公司”
如今微软、亚马逊、OpenAI和Anthropic都已进入类似Palantir的部署公司业务。
相似文章
大型科技与企业中的代理AI
一位企业研发经理对大型公司采用AI的现实情况的第一手视角,凸显了高管期望与实际生产力提升之间的差距,以及让团队有效使用AI工具所面临的挑战。
@levie: 过去几个月,我们可能正在见证应用AI层在大规模场景下的模样。尽管一些初步的批评认为这只是LLM之上的一层薄薄封装,但事实证明,在企业中驱动自动化工作流远比想象中复杂得多。而任何存在复杂性的地方,随着时间推移,通常都会形成护城河并创造价值。
对企业中新兴应用AI层的分析,概述了关键组成部分:构建工作流特定功能、智能模型路由、通过FDE进行变更管理以及领域特定的市场策略。文章认为,尽管存在一些批评,这一层将创造可持续的护城河和价值。
@alexxubyte: Salesforce部署了20,000个企业级AI代理。最大的教训?工作重心颠倒!传统软件→90%的精力在发布前…
Salesforce部署了20,000个企业级AI代理,揭示了大部分精力在发布之后而非之前。Agentforce首席产品官John Kucera分享了成功代理与停滞代理的区别。
@levie: 我完全信奉前向部署工程,因为AI和软件根本不同。在软件中,……
认为AI部署与软件不同,需要前向部署工程(FDE)来管理持续演进并在客户间共享最佳实践,尤其是在自主代理系统变得更为普遍时。
@levie:智能体使用软件的频率将比人类高出100倍。当这种情况发生时,就需要对智能体的行为设置护栏,以防止数据泄露或修改错误信息,需要权威的数据源供其使用,需要日志记录和审计其操作,还需要通过这些系统与人类协作的能力,等等。
Box首席执行官Aaron Levie认为,AI智能体使用软件的频率将比人类高出100倍,因此需要设置护栏、权威数据源、日志记录和协作功能;能够支持无头交互的平台将占据最佳优势。