Harness 与 Agent 工程 · Agent架构与协作 · 2025-12-16

咨询 | Bain谈如何建设企业智能体的基座、freelaner咨询顾问招募(文末)

Bain深度解析企业如何构建Agentic AI基座,从技术架构到数据治理全面升级,释放智能体潜能。

核心内容:

  1. Agentic AI的核心定义与价值
  2. 企业技术架构的升级关键点
  3. 数据治理与工程范式的革新路径

注,内容来自于Bain的公开文章《Building the Foundation for Agentic AI》;由于是一篇文章,所以没有PDF分享,但是Bain发了一篇有关于2025技术趋势的77页PDF,感兴趣的可以去读一下。

Agentic AI(智能体式 AI)不是简单的自动化升级,而是一场企业技术架构的结构性变革,公司要想真正释放其价值,必须系统性升级核心平台、数据、治理与工程体系,并在未来 3–5 年集中投入,围绕少数高价值业务域先跑通端到端场景。

什么是 Agentic AI

Agentic AI 指一组能够“理解目标、做出推理、协调多个步骤并执行复杂流程”的智能体,而不是只完成单点任务的工具。它可以处理多步骤、非确定性、跨系统的流程,这些过去通常需要人工干预。

相比传统自动化只覆盖流程局部,Agentic AI 有潜力重塑运营效率、客户体验和决策方式,因此问题不再是“要不要用”,而是“如何安全有效地部署到全企业”。

对企业技术架构的要求(后续展开)

Agentic AI 架构建立在微服务和云的基础上,但要求更强的实时性、可观察性和可控性:智能体要有实时上下文、可解释行为和成本/安全 guardrails,而现有架构在大规模部署成千上万智能体时往往不堪重负。

智能体适合处理跨多个业务域系统、依赖非结构化数据和实时输入、且目前高度依赖人工判断的复杂问题;部署时应与现有架构互补,而不是“推倒重来”。

架构演进的关键原则

现代化核心平台,把核心业务能力 API 化、事件化,从批处理老系统转向可被智能体实时发现和调用的模块化平台,同时短期内要接受“新旧并存”带来的复杂度。

确保智能体服务的互操作需要统一的互操作标准(如 MCP)和顺畅集成,以支持自研智能体、供应商平台内嵌智能体和数据平台动态生成的智能体共同工作,例如用一个 SDLC 智能体协调设计、开发、测试等多个专用智能体。

数据、治理与安全

扩大数据可及性:企业普遍缺乏对文档、邮件、语音、图片、视频、通话记录等非结构化数据的稳定摄取和使用能力,而这些恰恰是智能体在处理例外情况和手工流程时所需的关键知识。

升级治理与控制:随着智能体承担更多决策,必须具备实时可解释性、行为可观测性和自适应安全能力,同时通过动态资源调度、边缘部署和 AI 原生 FinOps 控制算力成本。

工程范式与体验重构

工程与 DevOps 需要覆盖“智能体全生命周期”:设计、训练/配置、测试、上线、监控到持续学习;智能体也会反过来大幅自动化开发、测试、部署和运维,让工程师更多聚焦架构与创新。

体验层面,智能体既是“新渠道”(面向客户/员工的主要接口,如对话界面),也是“组织公民”(能在流程中主动行动和协作),这要求重新设计身份、授权、同意与精细化访问控制。

关键的来了:实施路径与投资重点

未来 3–5 年,大约 5%–10% 的技术支出会投向基础能力(智能体平台、通信协议、实时数据访问、安全与可观测性框架),长期看多达一半技术支出可能用于运行在各业务域中的智能体,但效率提升会抵消成本。

成功变革通常包括四个动作:

第一、聚焦少数高价值业务域做端到端重构,快速产出价值并摊薄单个智能体成本。

第二、评估当前架构的“Agentic 准备度”(后续展开),补齐开发工具链、系统互操作、向量数据库、事件架构和基础设施现代化。

第三、从一开始就内嵌可观测性、安全、治理和成本控制,而不是事后“外挂”。

最后、在变革本身中使用 Agentic AI 降低实施成本、加快交付,用早期收益反哺后续投资。

智能体Agentic AI对企业技术架构的要求

智能体(Agenti…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/shuziyuangong/2025121609164.html