隨著AI在企業中的應用不斷深入，智能體協作
正成為下一階段的關鍵議題。
AI已不再局限於實驗性項目或零散的生產力任務，而是迅速滲透到企業的核心業務流程中。組織機構越來越期望智能體能夠跨應用、跨系統、跨業務流程協同開展工作。
將AI部署到生產環境，在很大程度上已是過去的挑戰。如今，工作流的架構本身正在發生變化。企業正從"一個AI工具完成一項任務"的模式，邁入智能體之間相互協作、調用工具與應用、交換上下文、互相傳遞工作的新時代。
那麼，當單個智能體成為互聯智能體生態系統的一部分，管理AI究竟需要什麼？OutSystems與畢馬威聯合開展的一項即將發布的調研報告揭示了這一轉型趨勢：71%的受訪者預計，企業應用將朝著智能體跨系統、跨團隊、跨業務流程協調工作的方向演進，或協助業務用戶完成更複雜的多步驟工作流。
孤立的智能體通常只根據自身的輸出結果來評估。這或許能驗證其技術能力，但將其部署到生產環境則是另一回事，尤其是因為現實中的大多數工作流涉及多個應用、數據集和其他智能體。這會引入各種依賴關係——智能體之間需要交換上下文、調用API、與企業應用交互，並依賴鏈條中早期生成的輸出結果。
OutSystems產品、AI與應用開發高級副總裁岡薩洛·博雷加將此描述為一種編排挑戰。"目標越宏大，所需的協調工作就越多，這正是我們進入編排領域的原因，"他說，"某個環節出現一個錯誤，可能在後續引發十個錯誤。"
這一轉變已清晰可見。例如，某全球物流企業正從一個分析應用日誌的單一智能體，向多智能體模型遷移，讓專業智能體之間實時協作並共享上下文。
隨著這些系統的互聯程度不斷加深，挑戰已從治理單個AI項目，轉變為如何在整個工作流中保持控制。超過三分之二的受訪者將跨智能體的安全、權限與策略執行，列為編排過程中的首要難題。
這意味著，儘管大多數組織確實擁有治理機制，但這並不一定代表其流程能在整個工作流中有效運轉，尤其是涉及多個智能體與其他工具協同的場景。"你仍然需要在所有智能體之間保障安全性、可觀測性、準確性和質量，並且需要跨多個平台協調和編排這些工作，"博雷加說。
部分組織已採取更為規範化的方式。例如，某大型數字銀行在允許團隊部署自主智能體之前，預先定義了獲批的AI工具並配置好工作流，從而在降低碎片化採用帶來的安全風險的同時，為創新保留了足夠空間。
未來的智能體企業必然是異構的，不同的智能體、應用、模型和數據服務將分布在不同的平台上。博雷加認為，在應用與數據環境已經碎片化的情況下，單純引入智能體AI並不能直接走向真正的智能體企業。
組織需要保持靈活性，因為今天最適合某個用例的工具，明天未必仍是最佳選擇。因此，企業不應試圖將所有內容標準化在單一供應商上，而應在整個環境中建立統一的工程規範、編排機制和治理框架。
最終目標是實現跨組合的整體可視性，並建立一個一致的控制層，在整個環境中統一應用策略，同時保留為每個用例自由選擇最合適的智能體、工具、平台和模型的靈活性。
隨著企業AI的持續成熟，組織越來越多地以對業務結果的影響來衡量AI的成效，而非僅憑單一的活動指標。調研顯示，64%的受訪者通過錯誤率降低來評估AI的影響，60%則通過合規性或風險降低來衡量。
博雷加對過度聚焦生產力提升的做法提出了質疑，轉而強調業務結果的重要性："僅僅能生成更多文本或代碼，並不會自然而然地帶來好的結果。"更有意義的問題是：重新設計後的智能體流程，是否切實改善了某項業務結果——例如降低成本、提升客戶體驗、減少風險，或幫助組織更快速地應對市場壓力。
從調研結果來看，企業AI的下一階段，將不再取決於組織運營了多少智能體，而更多取決於能否將這些智能體有效連接到可信賴的業務系統。隨著應用本身日益智能體化，組織需要將編排能力與治理機制、企業上下文、技術選型和基於結果的評估方式有機結合，方能在新一輪競爭中立於不敗之地。
Q&A
Q1：企業部署多智能體系統時，最大的挑戰是什麼？
A：根據OutSystems與畢馬威的調研，超過三分之二的受訪者將跨智能體的安全、權限與策略執行列為編排過程中的首要難題。單個智能體的治理相對簡單，但當多個智能體協同工作、相互調用、交換上下文時，如何在整個工作流中保障安全性、可觀測性、準確性和質量，成為核心挑戰。任何一個環節的錯誤都可能在後續引發連鎖問題。
Q2：企業該如何衡量智能體AI帶來的實際價值？
A：調研顯示，企業正逐漸從單純的生產力指標轉向業務結果評估。64%的受訪者通過錯誤率降低來評估AI影響，60%通過合規性或風險降低來衡量。OutSystems的博雷加也強調，生成更多文本或代碼本身並不等於好結果，更關鍵的是智能體流程是否真正降低了成本、提升了客戶體驗、減少了風險，或幫助組織更快速響應市場變化。
Q3：企業應該把所有智能體系統統一在一個供應商平台上嗎？
A：不建議這樣做。由於未來的智能體企業必然是異構的，今天最適合某個用例的工具，明天未必仍是最優選擇。更合理的做法是在整個環境中建立統一的工程規範、編排機制和治理框架，同時保留為不同用例自由選擇最合適的智能體、工具、平台和模型的靈活性，而非強求所有內容標準化在單一供應商上。
