企业领导者如何在整个组织中扩展AI代理

企业领导者正面临着快速部署AI代理与维护治理、信任和成本控制之间的平衡压力。在Databricks主办的圆桌讨论中，来自达能、第一资本、华纳兄弟探索、福特信贷、吉利德科学等公司的高管分享了扩展AI代理的关键实践。

首先，统一治理必须嵌入AI代理的生命周期。吉利德科学的Murali Vridhachalam强调，每个代理在开发前都必须经过风险评估，并根据风险级别获得适当审批。华纳兄弟探索的Ratheesh Kamoor提到，他们利用专门委员会防止员工将敏感个人信息粘贴到AI工具中，每个用例都需要跨职能部门的“绿灯”。福特信贷的Razal Minhas指出，治理不是一次性批准，而是需要持续重新评估，因为模型的风险概况可能因外部环境变化而改变。

其次，管理复杂工作流需要从单一任务转向基于结果的多代理框架。例如，员工入职流程包括发放笔记本电脑、在Workday中注册等多个任务，现在可以通过AI代理自主跨系统执行。第一资本的Prem Natarajan认为，将复杂任务分解为更小的可完成任务，并利用专门AI模型自动化复杂工作流，潜力巨大。

第三，创建专门的AI实验空间至关重要。福特信贷的Razal Minhas描述了他们如何在生产环境中运行“影子能力”——作为挑战者静默运行，以验证准确性而不影响客户工作流。这种沙盒方法允许团队大胆测试假设，同时控制实验的“爆炸半径”。

第四，展示早期成功案例有助于建立势头。第一资本优先推出了面向汽车经销商的“聊天管家”客户工具，这是一个低风险但有用的应用，验证了代理软件的实际效果。这种渐进式方法既建立了早期成功，也为更复杂的应用积累了机构信心。

最后，为员工配备与AI代理协作的能力是关键。达能的Dee Fitzgerald表示，他们花费大量时间培训员工如何提示AI。自然语言界面使非技术用户能够安全地处理数据和AI，无需SQL或Python专业知识。

总之，代理式AI只有在数据、治理、编排和计算都位于单一安全架构内时才能有效工作。领导者们一致认为，经过认证的数据产品、一致的护栏以及能够跨不同工作流部署和监控代理的平台是成功的基础。