Xebia：為什麼AI代理在沒有正確資料基礎的情況下會失敗

如果您的職責是幫助組織新增AI代理以加速流程，那麼您必須從基礎開始——這意味著讓您的資料可供AI使用。代理AI依賴於資料強度，Xebia全球CTO Niels Zeilemaker解釋道。

“如果您不考慮這一點，您可以構建最好的代理，但它永遠無法找到正確的資料；它可能會誤解資料，可能會將不應該連線的資料欄位連線在一起，”Zeilemaker說。“這些錯誤不一定是由代理造成的。而是您的基礎沒有為AI代理做好準備。”

需要特別考慮的一個領域是資料目錄。這不是一個新概念，但對代理來說情況發生了變化。“如果您為僅由人類組成的組織建立資料目錄，總會有後備方案，”他說。“如果某些東西文件不完善，您可以打電話、走到同事那裡，有一種後門方式瞭解‘我應該如何使用這組特定資料？’

“代理沒有這樣的後門。它們必須依賴資料目錄及其描述，如果描述錯誤，代理將無法執行。”

Xebia的重點是幫助組織將AI策略轉化為生產就緒的解決方案，從而更快地推動真正的變革。公司的核心價值觀包括以人為本和不妥協的質量，但Zeilemaker認為最重要的是分享知識——例如在Xebia參加的TechEx Global North America等活動上。

“我認為分享知識對我們來說非常重要，這也使我們能夠領先一步，快速適應市場變化，因為每個人都有渴望發現新事物，分享什麼有效、什麼無效，”Zeilemaker說。“透過大力推動分享知識和創新，我們也試圖選擇一些我們希望成為權威的領域。”

資料和AI顯然是其中之一。在AI與大數據博覽會上，Zeilemaker告訴與會者如何構建這個AI基礎並統一其分散的資料格局。這是一個誠實的闡述，說明了將特定用途的AI代理與專家工程相結合如何將12到24個月的時間線壓縮為固定價格、里程碑式的參與。

貫穿這一切的主線是Xebia所謂的Agentic Data Foundation (ADF)，它擴充套件了資料平臺以託管代理，並在面向客戶的用例和內部流程中使用它們。雖然一直有從傳統平臺遷移到現代平臺的巨大需求，但Xebia看到越來越多的客戶要求一種更快、更可靠地遷移到資料平臺的方法。Zeilemaker表示，這是顧問和客戶共同開發解決方案的地方。

“代理必須依賴資料目錄及其描述——如果描述錯誤，代理將無法執行”

“在以傳統方式進行遷移並透過LLM編碼加速一些遷移之後，我們現在將其整合到資料平臺中，利用它可以提供的額外上下文進一步加速遷移，”他說。

積累的經驗塑造了Xebia Axis: Agentic Data Foundation，這是Xebia幫助企業比任何其他替代方案更快地使資料為AI做好準備的方法。

Xebia的另一個武器是Xebia ACE: AI-Native Software Engineering，這是一個將AI嵌入組織整個軟體開發生命週期（SDLC）的框架。如果做得好，交付速度可提高40%，而傳統轉型成本可降低70%。

Zeilemaker指出，Xebia ACE對於“可能仍然希望在SDLC過程中堅持特定治理或工作方式”的大型企業特別有用。然而，還有更大的圖景。Zeilemaker以“氛圍編碼”為例。“如果您考慮氛圍編碼，每個人都可以建立應用程式，但沒有人敢於將這些應用程式投入生產，”他說。“如果您採用ACE，您仍然可以獲得LLM加速的許多好處，但您仍然擁有與過去相同的質量最終結果。

“如果您希望轉向在編碼中使用LLM，Xebia ACE將為您提供一個非常好的框架，而無需承擔風險或任何採用‘暗工廠LLM’並希望最好的做法所帶來的弊端——在此過程中失去一些控制或治理，”Zeilemaker補充道。

對於企業來說，這種控制是關鍵。由於生成了大量程式碼，AI驅動的SDLC可能透過漏洞成為安全弱點。Zeilemaker認為行業仍需要在一定程度上解決這個問題，但他注意到最近Anthropic釋出了一個拉取請求審查工具，這很有趣。

“這是一個有趣的方向，我們可能會看到更多，”他說。“每當您嘗試進行新的生產釋出時，都會進行非常冗長的拉取請求審查。然後，您以LLM的形式向流程中新增一個非常資深團隊成員，進行第三方審查。

“我認為這是一個有趣的角度，未來我們會看到更多。”

最終，無論組織處於哪個階段，從評估資料準備到準備構建，Xebia都能幫助打好基礎——並在其之上創造變革。