新上线今天0 投票
给“类人智能体”一个良好开端：这3个最佳实践值得关注
随着AI智能体（Agent）逐渐从概念走向落地，企业面临的挑战也日益凸显。微软AI首席执行官穆斯塔法·苏莱曼（Mustafa Suleyman）近期在《MIT科技评论》上撰文指出，计算领域正接近“近乎人类水平的智能体”时代。然而，现实并不乐观：据Databricks最新发布的《AI智能体现状报告》，仅有19%的组织部署了AI智能体，且大多数部署范围有限。
Databricks AI负责人克雷格·威利（Craig Wiley）在接受ZDNET采访时指出，CFO们普遍存在三大顾虑：能否控制智能体？如何评估其产出价值？以及成本如何？为应对这些问题，Wiley提出了三项最佳实践：
治理先行：控制数据访问权限
“能否控制它”本质上是一个治理问题，核心在于限制智能体可访问的数据。智能体不同于传统聊天机器人，它能接入数据库、执行外部代码、调用邮件系统等。因此，企业需要从一开始就明确划定数据边界，确保智能体只接触被授权的内容，避免敏感信息泄露或误用。
评估正确性：确保产出可靠
“能否告诉我它好不好用”对应的是评估机制。智能体的输出可能包含幻觉或错误，企业必须建立一套评估流程，验证模型生成的内容是否准确、是否真正产生业务价值。这包括设计测试用例、引入人工审核环节，以及持续监控性能指标。
从小处着手：聚焦效率与回报
“成本如何”则要求企业避免一步到位的激进策略。Wiley建议先从小规模、低风险的场景开始，例如自动化某个单一流程，而非试图替换整个工作流。这样既能快速验证可行性，又能控制成本，并为后续扩展积累经验。
此外，清洁、组织良好的数据是所有智能体顺畅运行的基础。如果数据本身混乱，再强大的模型也无能为力。
总的来说，企业若能在部署前就治理、评估和规模三个维度做好规划，将显著提升AI智能体从实验走向生产的成功率。
