Xebia：为什么AI代理在没有正确数据基础的情况下会失败

如果您的职责是帮助组织添加AI代理以加速流程，那么您必须从基础开始——这意味着让您的数据可供AI使用。代理AI依赖于数据强度，Xebia全球CTO Niels Zeilemaker解释道。

“如果您不考虑这一点，您可以构建最好的代理，但它永远无法找到正确的数据；它可能会误解数据，可能会将不应该连接的数据字段连接在一起，”Zeilemaker说。“这些错误不一定是由代理造成的。而是您的基础没有为AI代理做好准备。”

需要特别考虑的一个领域是数据目录。这不是一个新概念，但对代理来说情况发生了变化。“如果您为仅由人类组成的组织建立数据目录，总会有后备方案，”他说。“如果某些东西文档不完善，您可以打电话、走到同事那里，有一种后门方式了解‘我应该如何使用这组特定数据？’

“代理没有这样的后门。它们必须依赖数据目录及其描述，如果描述错误，代理将无法执行。”

Xebia的重点是帮助组织将AI策略转化为生产就绪的解决方案，从而更快地推动真正的变革。公司的核心价值观包括以人为本和不妥协的质量，但Zeilemaker认为最重要的是分享知识——例如在Xebia参加的TechEx Global North America等活动上。

“我认为分享知识对我们来说非常重要，这也使我们能够领先一步，快速适应市场变化，因为每个人都有渴望发现新事物，分享什么有效、什么无效，”Zeilemaker说。“通过大力推动分享知识和创新，我们也试图选择一些我们希望成为权威的领域。”

数据和AI显然是其中之一。在AI与大数据博览会上，Zeilemaker告诉与会者如何构建这个AI基础并统一其分散的数据格局。这是一个诚实的阐述，说明了将特定用途的AI代理与专家工程相结合如何将12到24个月的时间线压缩为固定价格、里程碑式的参与。

贯穿这一切的主线是Xebia所谓的Agentic Data Foundation (ADF)，它扩展了数据平台以托管代理，并在面向客户的用例和内部流程中使用它们。虽然一直有从传统平台迁移到现代平台的巨大需求，但Xebia看到越来越多的客户要求一种更快、更可靠地迁移到数据平台的方法。Zeilemaker表示，这是顾问和客户共同开发解决方案的地方。

“代理必须依赖数据目录及其描述——如果描述错误，代理将无法执行”

“在以传统方式进行迁移并通过LLM编码加速一些迁移之后，我们现在将其集成到数据平台中，利用它可以提供的额外上下文进一步加速迁移，”他说。

积累的经验塑造了Xebia Axis: Agentic Data Foundation，这是Xebia帮助企业比任何其他替代方案更快地使数据为AI做好准备的方法。

Xebia的另一个武器是Xebia ACE: AI-Native Software Engineering，这是一个将AI嵌入组织整个软件开发生命周期（SDLC）的框架。如果做得好，交付速度可提高40%，而传统转型成本可降低70%。

Zeilemaker指出，Xebia ACE对于“可能仍然希望在SDLC过程中坚持特定治理或工作方式”的大型企业特别有用。然而，还有更大的图景。Zeilemaker以“氛围编码”为例。“如果您考虑氛围编码，每个人都可以创建应用程序，但没有人敢于将这些应用程序投入生产，”他说。“如果您采用ACE，您仍然可以获得LLM加速的许多好处，但您仍然拥有与过去相同的质量最终结果。

“如果您希望转向在编码中使用LLM，Xebia ACE将为您提供一个非常好的框架，而无需承担风险或任何采用‘暗工厂LLM’并希望最好的做法所带来的弊端——在此过程中失去一些控制或治理，”Zeilemaker补充道。

对于企业来说，这种控制是关键。由于生成了大量代码，AI驱动的SDLC可能通过漏洞成为安全弱点。Zeilemaker认为行业仍需要在一定程度上解决这个问题，但他注意到最近Anthropic发布了一个拉取请求审查工具，这很有趣。

“这是一个有趣的方向，我们可能会看到更多，”他说。“每当您尝试进行新的生产发布时，都会进行非常冗长的拉取请求审查。然后，您以LLM的形式向流程中添加一个非常资深团队成员，进行第三方审查。

“我认为这是一个有趣的角度，未来我们会看到更多。”

最终，无论组织处于哪个阶段，从评估数据准备到准备构建，Xebia都能帮助打好基础——并在其之上创造变革。