驾驭自主AI：借助动态、编排的数据实现成功的关键变革 - Business Insider

从被动到主动的AI转变正在进行——而且其速度超过了大多数企业的适应能力。事实上，高德纳(Gartner)预测，到2028年，至少15%的工作决策将由代理AI自主做出，而2024年这一比例为0%。这些新的AI代理能够理解上下文、做出决策，并在最少的监督下执行复杂任务。正如麦肯锡最近报告的："AI代理代表了企业AI的一次重大进化——将生成式AI从反应式内容生成扩展到自主的、目标驱动的执行。"

数据是这场AI演变的核心，是代理AI能够自主推理、规划和行动的基石。高质量、及时且可访问的数据能够实现准确的感知和决策制定，为AI代理在复杂业务流程中有效运作奠定基础。

自主型企业

与需要人工监督的传统AI不同，代理AI系统将设定自己的微目标、决定下一步行动，并独立执行复杂的工作流程。早期采用者正通过使用代理AI来自动化复杂任务而看到显著成果。例如，医疗创新公司基因泰克(Genetech)自动化了科学数据分析以加速药物发现，而电信领导者爱立信(Ericsson)正通过代理AI推进自主网络。

随着AI代理在各行各业变得更加普遍，它们暴露了传统数据架构中的关键差距。组织必须重新思考其数据处理方法，以充分释放代理AI的潜力。这不仅仅是收集更多信息，而是创建动态的、相互连接的、主动的数据生态系统，以支持大规模的AI驱动决策。

当我们审视代理AI采用的格局时，数据战略中出现了三个关键转变。对于任何希望在AI驱动的未来保持竞争力的组织而言，这些变化都是必不可少的：

1. 从静态数据到动态数据

考虑一个大型电子商务平台的客户支持代理。在做决策之前，它需要访问全面的产品目录、客户资料和历史销售数据。然而，仅这些静态信息是不够的。该代理还需要库存水平、网站流量模式和竞争对手定价的实时数据，以便就产品推荐、动态定价和库存管理做出最佳决策。

传统数据架构每几小时批量更新一次信息，无法支持快速电子商务环境中实时决策所需的响应水平。您还需要实时流处理功能，提供代理AI系统做出知情、即时的决策所需的连续数据流。通过支持实时流处理的数据基础架构，公司可以确保其AI代理能够获得最新信息，使他们能够即时响应变化的情况并推动更好的业务成果。

2. 从孤立数据到协调数据

为了使代理AI有效运作，它必须能够访问和理解整个组织的数据。然而，大多数企业面临一个关键挑战：他们的数据被困在不同部门和系统的孤岛中。考虑一家试图自动化贷款处理的金融服务公司。其客户资料和互动历史存储在CRM软件中，财务记录和交易数据存在于ERP系统中，信用历史位于风险评估平台上，而历史贷款绩效数据则保存在遗留数据库中。如果没有访问和理解这些分散数据的能力，AI代理只能看到完整图景的碎片，导致决策延迟和错失机会。

为了解决这一挑战，组织需要协调其数据基础架构。这首先需要在企业数据源之间建立统一访问，以打破运营数据库和CRM、ERP等SaaS应用程序之间的孤岛。组织还必须实现向量功能，使AI代理能够搜索和检索相关信息，以便高效理解。最后，他们必须部署开放标准，如模型上下文协议(MCP)服务器，这些服务器充当AI代理和企业数据之间的安全桥梁，确保它们能够访问和理解这些统一信息，同时保持安全和治理控制。

3. 从反应式到主动式

在反应式方法中，企业通常在问题出现时做出响应——在错误发生后修复质量问题，在系统变慢时增加容量，或在安全漏洞发生后再解决。然而，随着AI代理每天做出数千次自主决策，这种被动立场使组织面临重大风险。

未来需要能够防止问题影响运营的主动数据管理。现代数据平台必须自动检测并纠正质量问题，防止其到达AI代理，同时预测性地扩展资源以保持需求高峰期的性能。例如，在金融服务中，主动系统会持续分析传入的交易数据，以在触发错误欺诈警报之前捕获异常，而不是处理错误决策的后果。

最重要的是，随着AI代理以新方式与敏感数据交互，组织需要自动演进的治理框架。这意味着实施基于数据敏感性和使用模式调整的动态安全控制，同时保持对代理活动的全面审计跟踪。通过从被动救火转向主动管理，企业可以确保其AI代理在可靠、高质量的数据上运行，同时大规模保持安全和合规性。

根本性转变

向代理AI的转变是业务运营的根本性转变。虽然大多数组织仍在尝试基本的AI应用，但行业领导者已经在构建数据基础架构，以支持下一波自主业务运营。

了解您的组织如何可以开始向代理AI转变。

本文由AWS与Insider Studios联合创作。