企业AI架构正在发生变化。有意思的问题不再是"聊天机器人放在哪里"，而是"AI、企业数据、业务规则、系统与人的判断，应该如何相互作用"。

随着企业AI向代理式界面演进，代理被越来越多地期待跨现有业务应用和记录系统工作，而不是作为一个孤立的聊天体验存在。一份针对Salesforce与Anthropic企业方向的分析，把这种更广泛的转变描述为"代理在前，记录系统在后"。

打开网易新闻 查看精彩图片

这带来了一个更重要的设计问题。

能力不等于权限

一个企业AI代理或许能够检索信息、对情境进行推理、推荐一个行动，并与业务工具交互。但能力并不等同于权限。

在部署AI代理之前，组织需要弄清楚一系列问题：

  • 证据从哪里来？
  • 代理可以使用什么上下文？
  • AI可以推荐什么？
  • AI实际可以执行什么？
  • 谁拥有决策权？
  • 人必须在什么时候介入？
  • 当证据冲突时会发生什么？
  • 当AI出错时会发生什么？
  • 例外情况如何升级？

这正是AI代理工作流设计变得重要的地方。

团队不必从实施开始，而可以从企业AI运营模型开始。

从业务流程开始，而不是从代理开始

企业AI项目中的一个常见错误，是从技术开始。团队会立刻追问：该用哪个AI模型？该选哪个代理框架？代理该访问哪些工具？

这些问题很重要，但它们应该排在理解业务流程之后。

从工作流开始。创建一个代表当前状态流程的流程图：触发 → 证据 →