Visoot Uthairam/ Moment via Getty Images 关注ZDNET：将我们添加为Google上的首选来源。ZDNET的关键要点 将AI代理投入生产可能是一个艰巨的任务。聪明的专业人士专注于治理和框架。他们与专家合作，确保设定明确的结果。关于AI代理潜力的炒作很多，但这些工具产生投资回报的证据却相对较少。科技分析师Gartner最近预测，到2027年，40%的企业将因治理漏洞而降低或淘汰自主AI代理，而这些漏洞通常是在这些代理投入生产后发生事件时才被识别出来。此外：AI导致认知疲劳。以下是如何更快更少速度工作的方式 在最近旧金山的Snowflake Summit上，三位数字领袖解释了他们的组织如何将代理投入生产。他们分享了三条建议，供其他希望利用AI的专业人士参考：使用框架、利用专家和数据变现。 1. 专注于框架 穿戴技术专家Whoop的分析副总裁Matt Luizzi表示，他的组织全天候收集生物识别数据，以推动健康和保健洞察，而Snowflake支持公司的内部分析服务。Luizzi表示，代理在这一过程中扮演着越来越重要的角色，特别是Snowflake CoCo，这是该技术专家为开发人员和数据工程师开发的编码代理。他说：“我们已经使用CoCo几个月了，最初只是在分析团队中使用，他们可以快速查看查询响应，并说这是对的还是否，然后试图找出如何扩大这一过程。”他说：“现在，我们已经制定了更正式的评估框架，并开始大规模推出代理。” 另外：忘掉生产力：这里有5个推动真实AI价值的战略转变 Luizzi表示，该公司有软件工程师进行A/B测试，并使用CoCo来分析结果，提出下一个功能，进行测试并迭代。“这种方法迅速加速了我们不仅在商业价值方面的交付，通过自动化实验框架，也在客户价值方面的交付。”他说，得益于公司的数据集中在Snowflake平台上，使得在执行代理探索时，基础设施已经到位。他们使用公司的Cortex AI服务开始测试代理并学习经验。“我们迅速意识到上下文是关键，”他说。“这意味着确实需要深入到语义层，并确保上下文处于结构化的地方。” 另外：为什么我在Word、Excel和PowerPoint中抛弃了Copilot，转而使用Claude - 你也可以这样做 Luizzi表示，一个关键教训是框架对于成功的代理AI探索至关重要。“我们正试图以更可重复的方式做一切，就像我们在过去10年中对数据架构的处理一样，”他说。“建立可重复的框架使我们能够扩大这些AI工作负载，这是我们将继续前进的方向。” 2. 使用专家分析师 体育专家Fanatics的数据副总裁Madeleine Want管理组织的下注和游戏部门的数据工程、数据科学和机器学习，这一活动得到Snowflake平台的支持。“当我们开始实验时，我们不确定什么会成功，什么会失败，但我们发现，底层数据状况越好，治理越好，LLM就越能有效地推导出意义和回答问题，”她说。 另外：这家旅行公司的AI发布如何推动了73%的满意度提升：你业务的5步行动计划 虽然对数据和治理的关注听起来可能是显而易见的事情，Want表示，18个月前并不如此。“作为一个组织，我们在构建定制的机器学习模型方面有很多经验，因此很难相信引入第三方模型并直接将其放在数据之上可以进行分析的想法。但现在这种方法已经深深嵌入我们做一切事情的方式中，”她说，同时概述了她的组织如何从探索转向开发。“我们早期在那些上下文界限非常清晰的领域取得了成功，那里的专家分析师对业务领域有深入的理解，并能够指导代理。”Want表示，她的组织随着时间的推移取得了更多的成功。他们在上下文层的投资需求在减少，代理在开始自主回答问题之前所需的监督程度也在降低。“我们衡量答案准确度的能力正在提高，因为我们现在引入了规模化的评估框架，帮助我们建立对代理在我们不关注时回答问题的信心，这基本上就是整个意义所在。” 另外：担心AI代理会...