对于一些CIO来说，这听起来就像是互操作性难题，近几个月来，虽然已经出现了一些AI标准化协议，但哪些协议将在市场上胜出仍不明朗，CIO们仍面临诸多棘手问题。

从长远来看，多智能体IT环境的倡导者认为，随着智能体接手大量目前由员工完成的琐碎且重复的任务，该环境有望大幅提高效率并显著节约成本，但与此同时，许多IT领导者也看到了严重的互操作性问题，包括数据安全、成本控制，以及多个智能体协同工作时对结果的不信任。

软件开发公司Sonatafy Technology的CEO史蒂夫·塔普林(Steve Taplin)表示，对于希望挖掘AI潜力的公司来说，AI互操作性正成为一个重大问题。

他说：“作为为企业客户领导AI驱动转型项目的人，我可以告诉你，AI互操作性正悄然成为规模化扩展过程中最紧迫的障碍之一，我们亲眼目睹了企业在努力采用AI的同时，还面临着如何让其不断增长的AI工具生态系统真正协同工作的挑战。”

塔普林补充道，如果在架构层面不解决互操作性问题，企业就会创建出脆弱且不可扩展的AI实现方案。“最终，企业将面临模型孤立、集成混乱以及支持成本上升的问题，”他说，“更糟糕的是，他们的团队对努力采用的AI失去了信心。”

企业架构管理供应商Ardoq的首席产品官伊恩·斯滕德拉(Ian Stendera)补充道，为推出智能体和相关技术的企业提供服务的供应商正面临新一轮的集成问题。

他说：“目前，随着智能体真正开始发挥作用，我们正看到这些潜在挑战的初步显现，到目前为止，这还是一系列失败的尝试，但现在开始取得一些进展。”

竞争激烈的协议

斯滕德拉表示，新的AI协议是在许多企业开始大规模部署智能体时出现的，但哪些协议将脱颖而出仍不明朗，一些企业可能会选错方向。

他补充道：“协议的出现恰逢其时，但我们看到需要找到一些标准，以免我们最终陷入一个并不比之前更好的境地。”

斯滕德拉还认为，数据安全是一个亟待解决的大问题，许多CIO都担心哪些智能体正在访问敏感信息，他表示，与此相关的一个问题是，当多个智能体协同生成报告或申请新物资时，对智能体结果的不信任将成为一个特别难以解决的问题。

他补充道，自主式AI可能很快就会面临“无限递归”问题，即一系列智能体相互协作以产生结果，其中一个智能体产生的错误决策或结果将影响整个结果。

斯滕德拉说：“在链条的某个环节可能会出现一个错误，就像恶意用户一样，它会破坏整个工作流程，由于这种架构的设计方式，采用多智能体编排，因此很难保持透明度和可审计性。”

他指出，互操作性的另一个主要问题涉及智能体的成本，在许多企业中，不同的业务部门可能会推出自己的智能体，在某些情况下，员工或部门可能会自行构建智能体，因为低代码智能体开发正逐渐兴起。

斯滕德拉表示，CIO们应该问自己几个问题，比如我们有多少个智能体在做同样的事情?我们是否支付了过高的费用?我们是否向某个特定供应商支付了过多费用?

他说：“这些问题以后会出现，但目前还没有真正凸显出来，这几乎就像是一个无休止的实验预算，但随着我们开始看到它发挥作用，我们将看到这些重复和冗余成为真正的挑战。”

格式错误

除了安全、信任和成本问题外，Sonatafy公司的塔普林还看到了其他几个AI互操作性问题，包括数据格式混乱以及与他所说的集成脆弱性相关的工作流程中断。

他说：“每一个新的AI平台、智能体或服务似乎都有自己的‘语言’——数据格式、API、运行时依赖项和操作假设，这就像现代的巴别塔。当CIO试图将这些工具拼凑在一起时，尤其是跨部门或业务单元时，事情就开始出问题了。”

他表示，这是一个问题，因为并非所有AI工具处理数据的方式都相同。例如，Sonatafy的一个物流客户部署了三个用于预测、路线规划和价格制定的AI工具，每个工具使用的时区约定和区域编码都略有不同。塔普林说，尽管这些系统本应互操作，但这些细微的差异导致了货物错运、库存错位和客户服务问题。

他补充道：“我们发现，许多AI工具——即使是为了与标准数据集交互而构建的——在底层编码或处理数据的方式上也存在差异，这会导致细微的不匹配，从而导致模型或智能体之间的连接失败。”

此外，塔普林表示，当企业部署了多个协同工作的AI工具时，软件更新可能会导致工作流程中断。

他说：“CIO们希望自动化流程能够随时间适应变化，然而，当你将来自不同供应商或开源模型的多个AI服务拼凑在一起时，即使是微小的更新也可能导致整个链条崩溃。”

塔普林还见证了当营销团队部署了一个由大语言模型(LLM)驱动的营销活动引擎，该引擎与另一个供应商的情感分析器相连时出现的问题，他说，当分析器用新模型版本更新后，它开始以新的方式对输入进行分类，从而破坏了下游的个性化逻辑，而直到营销活动失败时，才有人发现这个问题。

他补充道，CIO们应该认识到，AI集成不仅仅关乎API。“它关乎共同的期望、版本透明度和行为可预测性，而目前许多工具都严重缺乏这些要素。”他说。

应对挑战

塔普林表示，为了解决潜在的互操作性问题，CIO们需要谨慎地部署智能体和其他AI工具，仅仅有让AI工具相互通信的协议是不够的。

他说：“行业标准是一个良好的开端，但它们并不能解决快速创新与长期可维护性之间的根本矛盾，你仍然需要内部工程严谨性，并愿意放慢脚步，以便设计出能够与其他系统良好协作的AI系统。”

IT咨询公司Infosys的数据、分析和AI部门高级副总裁兼全球负责人苏尼尔·塞南(Sunil Senan)补充道，企业应考虑采用集中式平台方法来部署智能体，而不是允许各个业务部门或个别员工自行推出。

他说，如果采用得当，这种平台方法可以预见许多与AI互操作性相关的信任、风险、治理和其他潜在问题。

他补充道：“通过基于平台的部署，你将负责任的AI原则融入其中，我们支持这样一个观点，即建立一个经过深思熟虑且负责任的AI流程，该流程支持自主式AI集成，并在可操作性方面跨越应用程序，但通过平台进行管理。”

塞南还建议CIO们考虑使用能够跨多个应用程序处理多项任务的智能体，而不是将多个来自不同供应商的智能体串联起来协助员工。例如，石油和天然气行业的一位业务分析师可能只与一个智能体合作，从PDF文件中总结行业报告、处理来自公司SAP系统的数据，并与微软的Office套件进行交互，而不是使用三个智能体。

他说：“你可以看到，我如何跨越应用程序边界，使智能体对我的角色更有意义，并使其能够支持我，甚至取代我完成的一些工作，以便我能够专注于更有价值的任务，智能体可能并不局限于特定的应用程序。”

企业网D1net(www.d1net.com)：

国内头部to B IT门户，旗下运营国内最大的甲方CIO专家库和智力输出及社交平台-信众智(www.cioall.com)。旗下运营19个IT行业公众号(微信搜索D1net即可关注)。

版权声明：本文为企业网D1Net编译，转载需在文章开头注明出处为：企业网D1Net，如果不注明出处，企业网D1Net将保留追究其法律责任的权利。