企业将 Agentic AI 工作负载投入生产的 3 条可行之路 | 技术实践

过去两年，人工智能已然改变了企业的运营方式。但自从生成式 AI 出现以来，企业面临越来越大的压力，亟需证明其 AI 投资能带来切实的投资回报率。

对早期采用者而言，成果斐然：92% 的受访企业表示其生成式 AI 举措已经收回成本。根据 Enterprise Strategy Group 近期的调研结果显示，许多机构仍处于生成式 AI 项目的规划、试点或转型阶段。

埃森哲（Accenture）AWS 业务集团技术与能力主管 Chris Wegmann 解释道：“我们的团队在数千个 AI 项目中积累了丰富经验。据我们了解，28% 的最高管理层领导称，数据或技术基础设施的局限性是阻碍其机构实现规模化扩展的首要问题，尤其是在扩展生成式 AI 时。这包括数据质量差、系统过时以及缺乏经过验证的蓝图或治理模型。随着可以迅速加速的多智能体系统的应用，当企业从 AI 实验阶段转向规模化推广时，这也带来了新的挑战。”

他进一步阐述：“我们认为，要为 AI 时代做好准备，各机构应首先确定 AI 能够产生实际影响的业务领域；在准备数据和知识资产方面加大投入，使 AI 能够有信心地进行推理和行动；并在可信赖的优先工作流程上进行试点，然后跨职能进行扩展、协调和规模化推广。各机构可以以这种方式开始，建立起能够随着每一波创新浪潮而成长的 AI 能力。”

与此同时，尽管这项技术功能强大，但也引发了一些担忧。各机构必须确保 AI 智能体在既定边界内运行，保持人类对关键决策的控制，并针对新的潜在风险进行定期风险评估。各机构还需要理解并管理更复杂的系统及其潜在的相互作用，以确保智能体能够执行复杂的多步骤任务，同时确保员工获得适当的培训，并能适应 AI 智能体带来的机构变革（相对于传统软件工具而言）。

为了帮助我们的客户应对这一转型，并构建整体化、集成化的智能体解决方案，Snowflake 与埃森哲、亚马逊云科技以及 Anthropic 等生态系统领导者携手合作。

通过提供来自全球领先的系统集成商、云服务和 LLM 合作伙伴的一系列深度集成功能与能力——辅以值得信赖的专业知识，帮助您识别适用场景并应用匹配的工具来完成工作——我们使客户能够以降低复杂性同时保持灵活性的方式，构建和部署智能体 AI 计划。我们将各类 AI 模型和工具无缝接入其数据现有存储位置，全程无需构建复杂的数据管道，也避免了因移动或复制数据集而导致的安全风险，从而加快了进度和可量化成果的实现。

在本篇博文中，我将提供构建生产就绪型智能体的三项策略，重点阐述互联生态系统的整合效能。

生产环境中 AI Agent 的基础

在探讨各类智能体之前，首先需要理解成功部署智能体 AI 必须具备哪些要素。坚实的数据基础是所有 AI 计划的核心支撑。智能体必须能够获取一致的、受支配的、可信赖且高质量的结构化与非结构化数据。这种现代化的、适配 AI 需求的数据资产，对智能体能否高效运转至关重要。在 Snowflake，我们始终强调：没有数据战略，就不存在 AI 战略。

其次是安全与治理管控，这两者都是不可或缺的要素，能帮助您在安全的云环境中保障数据安全。通过与 Anthropic 和 AWS 等伙伴的合作，我们将领先的大语言模型引入数据所在的 Snowflake 平台中运行。我们在利用 AWS 服务（如 Amazon Bedrock Agentcore、Amazon SageMaker Studio 与 Canvas 以及 Amazon Q for Business）构建原生集成及实施模式方面做了大量投入，包括让客户能够同时受益于双方平台的优势，且不影响安全性与易用性。我们还共同致力于推动开放标准（如 MCP 服务器协议与 A2A 跨智能体通信协议），以实现智能体的互操作性，使企业能够根据具体用例定制 AI 智能体与工具，同时确保不同供应商的智能体与工具之间顺畅协作。

支撑所有这一切的，是灵活可靠、可扩展的云基础设施。该设施既提供当前的高性能计算能力，也具备可即时扩展的通用性基础架构，随时满足企业未来的业务需求。

目前企业部署 AI 智能体的三条可靠路径

我发现一种模式出现在了已经部署智能体并将其投入生成的企业中。他们的智能体往往分为三大类，我们将按部署复杂度由低到高依次探讨这些智能体类型：

• 数据智能体：专注于从结构化和非结构化数据中获取高精准、数据驱动的洞察。AWS 服务与 Snowflake Intelligence 协同工作，通过调用 Analyst 和 Search 等工具实现全面数据访问与处理——无论数据存储于 Snowflake 还是 S3。这种集成架构对于打通跨云边界的安全统一数据洞察至关重要；

• 对话智能体：着重将对话式界面嵌入企业熟悉的工作流程。Amazon Q 与 Snowflake Cortex 智能体无缝集成，使企业能在电子邮件、聊天工具或内容库等常用平台内部署智能聊天机器人。这种合作模式让 AI 助手直接融入用户现有工作环境；

• 多智能体系统：通过编排多个专业智能体来处理复杂多步骤任务。Strands Agents 作为 SDK 构建工作流，A2A 协议保障系统内各智能体间安全顺畅的通信。Amazon Bedrock Agents 作为协调器，借助大语言模型智能指挥多步骤工作流。该集成方案允许客户灵活组合使用 Snowflake 与 AWS 的专项智能体，提供无与伦比的灵活性与效能。

通往生产就绪型 AI 智能体的征程，由此开始

AI 智能体为企业提供了一条强大的路径，使其能够超越实验阶段，释放 AI 的真正价值。我们的 Snowflake、AWS 和 Anthropic 产品团队致力于构建开箱即用的集成方案，让您能够运用所需的工具和服务，通过 AI 智能体驱动有意义的业务成果，而无需应对复杂的底层技术。

但这并不意味着这段旅程会一帆风顺——找到合适的技术仅仅是拼图的一部分。通过与埃森哲等合作伙伴合作，客户能够获得跨越多家供应商的深厚专业知识，从而应用恰当的技术来解决重大问题，推动转型成果。

“我们的研究表明，AI 有潜力影响美国各行业高达 44% 的工作时长，”Wegmann 分享道，“尽管 92% 的最高管理层领导者认为其组织内的员工已接受过有效使用 AI 的培训，但仅有 72% 的员工认同此观点，并表示缺乏培训支持资源或难以将 AI 融入日常工作。此外，55% 的员工认为需要更全面的培训，而 45% 的员工认为，明确有关责任惯例的指导方针将鼓励他们更多地使用生成式 AI 工具。”

您并非孤军奋战，依靠您的生态系统，来驾驭这个伟大变革的时代吧！

原文地址：

https://www.snowflake.com/en/blog/agentic-ai-workloads-in-production-strategies/

点击链接立即报名注册：Ascent - Snowflake Platform Training - China