Just_Super/ iStock / Getty Images Plus via Getty Images 关注 ZDNET：将我们添加为 Google 的首选资源。ZDNET 的关键要点：大多数代理 AI 部署失败并不是 AI 失败，而是架构失败。成功企业转型的代理 AI 12 条规则是供应商中立和不可知论的。大多数 AI 试点关注能力和速度，而忽略了赢得业务信任的艰苦工作。最近的一项 Salesforce 研究发现，超过一半的美国办公人员认为自己是 AI 怀疑论者，而新兴经济体的人们对 AI 更加信任。美国的 AI 怀疑不仅仅关乎失业。美国办公室工作人员对员工体验、缺乏培训和采用 AI 技术的准备感到担忧。在美国工作者中，AI 工具或试点不成功的前三个原因包括输出内容笼统、培训不足以及对输出的信任度低。此外：美国工作者是世界上最大的 AI 怀疑论者，而这不仅仅与失业有关。对代理 AI 试点和转型工作的缺乏信任更为深远，许多研究表明，AI 代理的生产部署失败率更高。埃森哲的最新研究发现，公司必须展示 AI 投资的持续早期胜利，以建立势头。关键在于从孤立的 AI 转变为系统性 AI。研究发现，成功的代理 AI 项目需要强大的数据基础，使用清洁数据提供正确的上下文，投资治理和语义一致的数据，这需要现代的 AI 增强云堆栈、AI 保护措施和重新设计的工作流程。根据 Informatica 对首席数据官的调查，超过一半的代理 AI 采用者将数据质量和检索问题作为部署障碍。真正的代理 AI 转型的要求。尽管企业中有许多记录的代理 AI 采用故事，并提到高比例的试点和生产失败，但许多 AI 代理的部署是成功的。超过 80% 的美国政府机构已经使用 AI 代理。一项新的调查发现，大多数政府领导者认为到 2030 年，公共部门将由人类和 AI 代理共同工作。根据 IDC 针对公共部门准备情况的研究，代理 AI 在政府中不再处于实验阶段；它是领导力的使命。此外：从 AI 试点转向全业务价值需要一条高速公路 - 如何提升 Salesforce 在成功的代理 AI 生产部署中学到了宝贵的经验。凭借超过 20,000 个代理 AI 生产部署，Salesforce 识别了许多常见错误，包括过度依赖语言模型、依赖编码政策而非复杂的提示逻辑以及上下文工程不良。但最重要的教训是：对于传统软件，90%的工作在发布前就已经完成。而对于 AI 代理，90%的工作是在生产中部署后完成的，包括管理和改进它们。真正的代理 AI 转型确实需要企业遵循的一系列规则，以确保智能、可扩展和可信的结果系统。John Taschek，Salesforce 的执行副总裁兼首席市场策略官John Taschek，Salesforce 的执行副总裁兼首席市场策略官，一直在研究和制定一套基准规则，以评估 AI 代理交付成功生产部署所需的关键能力。Taschek 的研究包括对数千个代理 AI 部署的观察，参与与行业分析师、高级执行官、董事会成员以及代理 AI 先驱社区的交流。代理 AI 的 12 条规则。由 Taschek 开发的成功企业转型的代理 AI 12 条规则是供应商中立和不可知论的。Taschek 的灵感来源于计算机科学家埃德加·F·科德（Dr. Edgar F. Codd）在 1985 年提出的一套原则，称为科德的真实关系数据库管理系统的 12 条规则。遵循代理 AI 的 12 条规则必须基于证据，有文件的能力、技术文物、第三方分析、获得的评论或验证的实施结果。证据必须是最新的，并包含最近的能力集。证据还必须是架构驱动的，而不是简单的消息传递。此外：AI 代理正在获得自己的搜索引擎。这些规则还支持一种结果意识模型，在该模型中，评估能够区分技术可能性与部署能力、客户采用和可衡量的商业影响。最后，规则和整体框架还必须具有风险意识，能够识别失败、实施和治理的差距以及客户报告的挑战。以下是代理 AI 的 12 条规则：基础 - 数据/上下文系统 规则 1. 统一的数据谱系：每个数据必须有可追踪的历史--它来自哪里，发生了什么变化，以及谁