企业领袖表示，AI代理的秘诀是将其与现有流程匹配——而非反向操作
作者：Taryn Plumb @taryn_plumb
发布时间：2025年8月26日 13:46
AI代理——那些能在企业工作流中自主异步运行的智能系统——毫无疑问是当前企业的热门话题。但业界日益担忧这可能只是概念炒作，Gartner观察到企业正处"过高期望峰值"，因供应商未能提供切实的应用案例支撑其宣传。
尽管如此，全球企业如Block和葛兰素史克（GSK）已开始实践AI代理的早期应用，前者在金融科技领域、后者在药物研发中探索验证性应用。
单代理协作优于群体机器人模式
拥有10,000名员工的Block公司（旗下包括Square、Cash App和Afterpay）宣布其互操作AI代理框架Goose进入全面探索阶段。该框架自今年1月推出以来，在软件工程领域已服务4,000名工程师，每月用户量翻倍增长。Goose能编写90%的代码，通过自动化代码生成、调试和信息过滤，为每位工程师每周节省约10小时工作量。
"我们致力于打造像与单个同事协作的界面，而非与一群机器人周旋。"Block首席AI技术官Brad Axen解释道。该框架现作为"数字队友"集成Slack和邮件流，跨平台任务扩展时可生成新代理。其技术架构基于Anthropic的模型上下文协议（MCP），允许开发者通过内建桌面应用或自定义UI操作，甚至非技术人员可通过SQL查询直接使用Databricks数据库。
开源架构与标准的必要性
Goose采用Apache 2.0开源许可协议，支持用户自由商用。Axen强调："我们希望用户无需专家级知识即可使用系统。"当前该框架已在销售和市场营销场景显现价值，例如代理可收集潜在客户信息并导入数据库。然而流程适配成为最大瓶颈，"不能简单给工具让人自行适配，必须让代理反映现有工作流"。
针对金融代码必须通过人工合规审查的现状，Axen指出："人类专家在公司运营各环节仍具不可替代性，AI只是新的表达工具。"他特别呼吁更多行业采用MCP标准："若谷歌为Gmail提供公共MCP，将极大提升效率。"
GSK的药物研发AI革命
在生物医药领域，GSK将多智能体架构应用于药物研发。其全球AI负责人Kim Branson表示："代理系统已成为业务核心。"通过结合领域特定大语言模型（LLM）、本体论（知识图谱）和测试框架，代理可分析基因组学、蛋白质组学数据，生成并验证科学假说，将研究周期压缩数月。
该团队自主开发了基于Cerebras架构的表观基因组语言模型。Branson强调："在没有绝对真理的情况下，代理帮助我们探索可能性——比如特定卵巢癌治疗方案是否最佳选择。"其团队采用并行代理验证机制，通过交叉校验确保结果可靠性，甚至发现过某SQL代理在10,000次运行中唯一一次"伪造"数据的异常。
行业挑战与未来展望
GSK的测试表明，推理速度和上下文过滤至关重要。"不能简单堆砌上下文或全量数据，必须智能筛选。"其团队正构建专属基准测试，因为现有学术评测无法反映实际需求。Branson直言："我们特别关注那些失败或表现异常的案例，这才是人类专家发挥作用的关键时刻。"
当前AI代理面临三大挑战：流程适配瓶颈、开放标准缺失、数据治理难题。但随着Block等企业推动MCP等开放协议，以及GSK在生物医药领域的突破，行业正逐步缩小"技术能力"与"商业机会"之间的鸿沟。
【全文结束】
