从工具到数字员工,福布斯详解AI智能体如何改写企业IT架构

自生成式AI在企业中大规模普及以来，无论高管还是普通员工，大多将其视为一个高效的助手，而非真正参与协作的伙伴，它确实有用，但归根结底是被动的。

自主式AI是AI的下一次重大进化——它不仅会建议行动，更会直接采取行动。《福布斯》近期的一篇采访指出，企业必须升级技术底座和商业思维，才能充分利用自主式AI，在市场中保持竞争力。

“(成为一家自主型企业)意味着构建能够理解自身所处环境、并能在安全、活跃的环境中做出决策的AI。”金融巨头Capital One银行技术执行副总裁兼部门CIO Mark Mathewson在接受《福布斯》直播采访时表示。

在与《福布斯》高级副总裁、高管思想领导力负责人Janett Haas的对话中，Mathewson分享了他的战略成功路径，为先行者和早期采用者在抢占竞争优势方面提供了有力的实证。

早在自主式AI还只是一个概念之前，Capital One就押注了云技术，成为首家全面拥抱公有云的美国金融机构。当初驱动这一决策的优势——按需资源、动态扩缩、弹性算力——恰恰正是今天大规模AI开发所需要的。

"我们在云上的积累，为迎接下一次转型奠定了基础。"Mathewson说。

这次转型究竟需要什么，以及Capital One如何应对，值得深入探讨。

以下是Mathewson为面向自主式AI时代的企业所提供的战略洞见。

1. 构建现代化、数据驱动的底座

AI的每一次进化，对企业基础设施的要求都比上一次更高。自主式AI的要求最高——它需要大量集中化、可访问的数据，以及能够大规模处理这些数据的算力。

对Capital One而言，云让这些需求变得可以实现。多年来对云基础设施的投入，恰好打造出了自主式AI所需的运行环境。

“数据是成为代理型企业的关键要素，如今在云端，你可以在无缝、按需、弹性的环境中访问各种计算服务和模型，”Mathewson说，“这是一个极其出色的基础。”

Capital One的AI就绪能力并非一夜建成。“我们在机器学习和AI方面有着悠久的实践历史。”Mathewson指出。

如今，Capital One在欺诈检测、客户服务、软件开发等多个领域运行着数百个AI和ML用例。现代技术与数据基础设施的结合、深厚的AI与机器学习经验、以及出色的人才，使得向自主式AI的跃迁更像是下一步自然演进，而非推倒重来。

Mathewson解释说，如果没有全组织对AI重要性的坚定共识，这一切都不可能实现。

“向AI前沿迈进，已经深深嵌入我们业务的核心，”Mathewson说，“无论什么岗位……我的同事们都认识到，利用AI重新构想未来，本身就是他们工作的一部分。”

2. 将专有数据视为竞争优势

AI革命提高了企业利用数据的门槛，未来的赢家，将是那些基于专有数据构建深度定制模型的公司。

“开放权重模型是优秀的通才，但要让它们成为专家，就必须使用你自己的专有数据，”Mathewson说，“你必须用这些专有数据点来训练模型，使其能够胜任你业务场景中特有的具体任务。”

Capital One多年来正是在构建这种针对性，公司在数据和分析领域的深厚积累，产生了丰富的专有数据，可用于训练模型，实现真正差异化的性能表现。

专有数据也是为特定业务场景定制多智能体工作流的前提，例如，Capital One正在利用自研的多智能体AI工作流，帮助银行客服呼叫中心的座席更快速、更高质量地处理复杂的欺诈解决类来电。

由于该工作流基于真实数据训练，座席可以大幅缩短排查客户问题所需的时间，同时降低总结长篇对话所需的认知负担，这既提升了客户体验和座席体验，又能满足准确性、可靠性和风险管理方面的严格业务标准。

该工作流还可扩展到多种其他代理型用例，包括公司的Chat Concierge工具——该工具为购车者和经销商提升了客户体验。

“这是我们自己在幕后构建的专有代理型工作流。”Mathewson指出。

通用模型会持续进步，但所有人的进步幅度是相同的，而专有数据，从定义上讲，是竞争对手无法获取的。对自主型企业而言，优势正存在于这种不对称之中。

“拥有一系列紧密协作、各司其职的专用智能体，将是区分赢家和输家的关键。”Mathewson说。

3. 优先构建可扩展、嵌入式的AI系统

能真正改变业务的AI和仅仅起辅助作用的AI之间的区别，往往在于它存在于哪里。硬接上去的AI只会形成一个个能力孤岛，而嵌入式AI则能塑造一种完全不同的组织形态。

Capital One的策略围绕企业平台模型构建——标准化的AI能力可部署到业务的所有领域，并适配多种用例。

例如：搜索、摘要、对话、内容生成、预测、预测分析和分类并非孤立工具，而是从共享资源池中提取的标准化能力，可应用于各种场景。

“它与我们的技术栈无缝融合，而不是像一个外挂或附加组件。”Mathewson说。

其对软件开发的影响，说明了这种模式的潜力。Capital One的工程师可以利用AI工具自动化重复性任务，将精力集中在高价值工作上，把过去需要花费整整一天的重复、耗时的编码工作交给智能体。

“写代码的限制已经不再是真正的限制了，”Mathewson说，“我们的工程师可以让一个智能体代为完成这些工作，同时并行处理三件不同的事。”

Mathewson补充道：“我们正在以全局视角审视AI如何变革我们构建软件的方式。”

4. 培养AI素养人才与专业技术力量

打造一个能够大规模开发、部署和演进AI的组织，需要两方面同等重要的投入：全员广泛的AI素养，以及核心团队深厚的技术专长。

然而对许多领导者来说，通往这两个目标的路径被变化的速度所遮蔽，模型每周都在迭代超越彼此，上个季度还不存在的工具如今已成标配，基于历史先例的预测已不再够用。

Mathewson对此深有体会。

“我不得不重新学习如何规划未来，因为你真的找不到可以依赖的历史参照框架——因为那些框架的许多基础本身正在发生变化，”他说，“有时候看起来很混乱，但这种混乱是最好的那种。”

对此，Capital One将AI素养视为一种组织能力，而非个人资质。公司文化建立在持续学习和创新之上，不仅为员工提供市场上最新的工具，还提供完善的培训、学习和发展机会，帮助他们从这些方案中获得切实而强大的收益。

Mathewson指出，仅仅跟上最新动态，远不能替代亲手实践。

“读到相关报道是一回事，”他说，“把这些工具拿到手上，真正开始使用，看看它们的局限在哪里，看看它们有哪些让你意外的能力——这完全是另一回事。”

等式的另一半是专业化，构建带有业务特定上下文的定制AI模型，需要现代化的技术栈和数据生态、专有数据，以及顶尖人才。

“主动拥抱工作流程和技术栈的重新定义，并积极试验各种工具，这将是未来拉开组织差距的关键。”Mathewson说。

如果您在企业IT、网络、通信行业的某一领域工作，并希望分享观点，欢迎给企业网D1net投稿。

投稿邮箱：

editor@d1net.com

合作电话：

010-58221588（北京公司）

021-51701588（上海公司） 

合作邮箱：

Sales@d1net.com