Agent 不缺,缺的是“秩序”:企业 AI 重演 ERP 前的故事

简介: 随着企业AI Agent数量激增,其孤立与失控问题日益突出,类似早期信息化时的“软件烟囱”困境。火山引擎提出的“1+N+X”智能体工作站模型旨在建立统一的Agent管理体系,强调治理、复用与安全合规,推动AI从零散工具迈向工业化、有序化的“数字员工”新阶段。这标志着行业焦点正从单纯追求模型能力转向构建可持续的AI生态秩序。

如果你觉得现在的 AI Agent 有点“乱”,那不是你的错。

IT 行业最擅长的事情之一,就是重复历史

上世纪 90 年代,企业信息化刚起步,部门看到软件就买:财务系统、CRM、仓储系统各自上线,短期效率飙升,但很快就陷入老问题—— 系统割裂、数据不通、流程断层,一座座“软件烟囱”拔地而起。

直到 ERP 出现,才第一次把“人、财、物、产、供、销”连成整体,企业信息化才真正进入规模化阶段。

而今天,AI Agent 正站在同一个时间点上


从“好用几个”到“失控一片”:Agent 的规模化困境

2025 年,企业级 AI Agent 迎来了爆发期。

据行业实践观察,一家中大型企业内部,**上线的智能体数量已经普遍超过 200 个,极端情况下甚至达到 1000+**。 听起来很繁荣,但现实却不那么美好:

  • 只有不到三分之一的 Agent 被高频使用
  • 大量智能体长期“在线但无产出”
  • 新 Agent 不断被造出来,却没人能说清楚它们在干什么

问题并不在“模型不够强”,而在Agent 之间彼此隔离、无法协作

客服 Agent 看不到销售数据 差旅 Agent 调不到报销系统 风控 Agent 不知道业务上下文

它们散落在 OA、CRM、ERP、工单系统里,像一群没有组织纪律的“数字员工”。

Agent 越多,流程反而越碎。


image.png

image.png

image.png


更危险的不是“不好用”,而是“没人能管”

Agent 的混乱不只是效率问题,更是治理和安全问题

想象一个现实场景: 上百个拥有数据访问权限的智能体,在企业系统里自由游走,却没有统一的身份体系、权限边界和审计机制。

这意味着什么?

  • 一个配置错误,就可能越权访问敏感数据
  • 一次 Prompt 被注入,就可能触发链式误调用
  • 一次模型幻觉,可能直接影响核心业务决策

当 Agent 从“工具”变成“数字员工”,企业需要的就不只是好用,而是可管、可控、可审计

行业正在意识到一个关键事实:真正稀缺的,不是第 201 个 Agent,而是一套能管理 Agent 的体系。


企业真正需要的,是 Agent 的“操作系统”

当问题从“怎么造 Agent”转向“怎么管 Agent”,游戏规则就变了。

在这一背景下,火山引擎提出了一套明确指向“治理”的思路—— 在 FORCE 原动力大会上,火山引擎 副总裁 张鑫 给出的答案是:用一套架构,把 Agent 管起来。

这套思路被概括为 「1 + N + X」智能体工作站模型,它的核心不是炫技,而是工程化。



image.png

image.png


1:统一入口,先解决“谁在系统里”

“1”代表的是统一的 Agent 入口和管理中枢

所有 Agent,不管来自哪个部门、跑在哪个系统,都必须经过统一身份认证、统一权限规则、统一运行监控。

这一步的价值在于:

  • 企业第一次能看到全量 Agent 资产
  • 权限、数据访问边界被集中治理
  • Agent 不再是“野生系统”

如果说过去企业是“管人、管流程”,那现在开始进入了“管数字员工”阶段


N:通用能力复用,别再重复造轮子

“N”解决的是另一个老问题:每个团队都在重新训练同一种 Agent。

数据分析、内容理解、安全巡检,这些能力高度通用,却被一遍遍从零开始实现。

通过将成熟场景沉淀为可复用的“数字专家”,企业可以直接获得 70%–80% 的通用能力,把精力留给真正有差异化价值的地方。

这不是偷懒,而是工程理性


X:开放定制,留给业务真正的创造空间

真正复杂的需求,永远在“长尾”。

行业分析、科研辅助、制造工艺判断,这些高度专业化场景,没法靠标准产品覆盖。

因此,“X”层被设计为低代码 / 可扩展空间:

  • 底层能力统一
  • 接口标准化
  • 业务人员在合规边界内自由构建

底座统一,中层复用,顶层开放,这正是 ERP 成功的底层逻辑,在 AI 时代的再次出现。


image.png

image.png

image.png


Agent 也要“持证上岗”:生产级 AI 的工程底线

当 Agent 进入医疗、金融、风控等严肃场景,“能用”远远不够。

真正的门槛是:你敢不敢让它参与决策。

为此,行业开始引入“生产级智能体”的概念,对 Agent 提出类似“职业资格”的要求:

  • 合规:数据源受控,知识来源可追溯
  • 能力:推理链可解释,不是黑箱输出
  • 安全:关键节点必须有人类兜底(Human-in-the-loop)

这不是对 AI 的不信任,而是对现实世界复杂性的尊重。

工程史反复证明:越靠近核心业务,系统越需要可控性,而不是自由度。


从“造 Agent”到“管 Agent”,AI 正在进入工业化阶段

当企业开始在平台中沉淀流程、权限、治理规则,Agent 就不再是一次性工具,而是组织能力的一部分。

这也意味着一个趋势正在形成: AI 竞争的焦点,正在从模型参数,转向体系化能力

谁能帮助企业建立 AI 时代的“组织秩序”, 谁就能真正进入企业 IT 架构的核心层。

历史从不简单重复,但它总是押着相同的韵脚前进。

ERP 之后,是 AI。 而 AI 之后,必然是——秩序

相关文章
|
10天前
|
数据采集 人工智能 安全
|
5天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
316 164
|
4天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
320 155
|
5天前
|
编解码 人工智能 自然语言处理
⚽阿里云百炼通义万相 2.6 视频生成玩法手册
通义万相Wan 2.6是全球首个支持角色扮演的AI视频生成模型,可基于参考视频形象与音色生成多角色合拍、多镜头叙事的15秒长视频,实现声画同步、智能分镜,适用于影视创作、营销展示等场景。
368 4
|
13天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
905 7

热门文章

最新文章