在一年內，許多企業可能會運行數十個智能體，其中一些由企業內部構建，另一些則從五六個不同的供應商處購買。

對于一些CIO來說，這聽起來就像是互操作性難題，近幾個月來，雖然已經出現了一些AI標準化協議，但哪些協議將在市場上勝出仍不明朗，CIO們仍面臨諸多棘手問題。

從長遠來看，多智能體IT環境的倡導者認為，隨著智能體接手大量目前由員工完成的瑣碎且重復的任務，該環境有望大幅提高效率并顯著節約成本，但與此同時，許多IT領導者也看到了嚴重的互操作性問題，包括數據安全、成本控制，以及多個智能體協同工作時對結果的不信任。

軟件開發公司Sonatafy Technology的CEO史蒂夫·塔普林(Steve Taplin)表示，對于希望挖掘AI潛力的公司來說，AI互操作性正成為一個重大問題。

他說：“作為為企業客戶領導AI驅動轉型項目的人，我可以告訴你，AI互操作性正悄然成為規模化擴展過程中最緊迫的障礙之一，我們親眼目睹了企業在努力采用AI的同時，還面臨著如何讓其不斷增長的AI工具生態系統真正協同工作的挑戰。”

塔普林補充道，如果在架構層面不解決互操作性問題，企業就會創建出脆弱且不可擴展的AI實現方案。“最終，企業將面臨模型孤立、集成混亂以及支持成本上升的問題，”他說，“更糟糕的是，他們的團隊對努力采用的AI失去了信心。”

企業架構管理供應商Ardoq的首席產品官伊恩·斯滕德拉(Ian Stendera)補充道，為推出智能體和相關技術的企業提供服務的供應商正面臨新一輪的集成問題。

他說：“目前，隨著智能體真正開始發揮作用，我們正看到這些潛在挑戰的初步顯現，到目前為止，這還是一系列失敗的嘗試，但現在開始取得一些進展。”

競爭激烈的協議

斯滕德拉表示，新的AI協議是在許多企業開始大規模部署智能體時出現的，但哪些協議將脫穎而出仍不明朗，一些企業可能會選錯方向。

他補充道：“協議的出現恰逢其時，但我們看到需要找到一些標準，以免我們最終陷入一個并不比之前更好的境地。”

斯滕德拉還認為，數據安全是一個亟待解決的大問題，許多CIO都擔心哪些智能體正在訪問敏感信息，他表示，與此相關的一個問題是，當多個智能體協同生成報告或申請新物資時，對智能體結果的不信任將成為一個特別難以解決的問題。

他補充道，自主式AI可能很快就會面臨“無限遞歸”問題，即一系列智能體相互協作以產生結果，其中一個智能體產生的錯誤決策或結果將影響整個結果。

斯滕德拉說：“在鏈條的某個環節可能會出現一個錯誤，就像惡意用戶一樣，它會破壞整個工作流程，由于這種架構的設計方式，采用多智能體編排，因此很難保持透明度和可審計性。”

他指出，互操作性的另一個主要問題涉及智能體的成本，在許多企業中，不同的業務部門可能會推出自己的智能體，在某些情況下，員工或部門可能會自行構建智能體，因為低代碼智能體開發正逐漸興起。

斯滕德拉表示，CIO們應該問自己幾個問題，比如我們有多少個智能體在做同樣的事情?我們是否支付了過高的費用?我們是否向某個特定供應商支付了過多費用?

他說：“這些問題以后會出現，但目前還沒有真正凸顯出來，這幾乎就像是一個無休止的實驗預算，但隨著我們開始看到它發揮作用，我們將看到這些重復和冗余成為真正的挑戰。”

格式錯誤

除了安全、信任和成本問題外，Sonatafy公司的塔普林還看到了其他幾個AI互操作性問題，包括數據格式混亂以及與他所說的集成脆弱性相關的工作流程中斷。

他說：“每一個新的AI平臺、智能體或服務似乎都有自己的‘語言’——數據格式、API、運行時依賴項和操作假設，這就像現代的巴別塔。當CIO試圖將這些工具拼湊在一起時，尤其是跨部門或業務單元時，事情就開始出問題了。”

他表示，這是一個問題，因為并非所有AI工具處理數據的方式都相同。例如，Sonatafy的一個物流客戶部署了三個用于預測、路線規劃和價格制定的AI工具，每個工具使用的時區約定和區域編碼都略有不同。塔普林說，盡管這些系統本應互操作，但這些細微的差異導致了貨物錯運、庫存錯位和客戶服務問題。

他補充道：“我們發現，許多AI工具——即使是為了與標準數據集交互而構建的——在底層編碼或處理數據的方式上也存在差異，這會導致細微的不匹配，從而導致模型或智能體之間的連接失敗。”

此外，塔普林表示，當企業部署了多個協同工作的AI工具時，軟件更新可能會導致工作流程中斷。

他說：“CIO們希望自動化流程能夠隨時間適應變化，然而，當你將來自不同供應商或開源模型的多個AI服務拼湊在一起時，即使是微小的更新也可能導致整個鏈條崩潰。”

塔普林還見證了當營銷團隊部署了一個由大語言模型(LLM)驅動的營銷活動引擎，該引擎與另一個供應商的情感分析器相連時出現的問題，他說，當分析器用新模型版本更新后，它開始以新的方式對輸入進行分類，從而破壞了下游的個性化邏輯，而直到營銷活動失敗時，才有人發現這個問題。

他補充道，CIO們應該認識到，AI集成不僅僅關乎API。“它關乎共同的期望、版本透明度和行為可預測性，而目前許多工具都嚴重缺乏這些要素。”他說。

應對挑戰

塔普林表示，為了解決潛在的互操作性問題，CIO們需要謹慎地部署智能體和其他AI工具，僅僅有讓AI工具相互通信的協議是不夠的。

他說：“行業標準是一個良好的開端，但它們并不能解決快速創新與長期可維護性之間的根本矛盾，你仍然需要內部工程嚴謹性，并愿意放慢腳步，以便設計出能夠與其他系統良好協作的AI系統。”

IT咨詢公司Infosys的數據、分析和AI部門高級副總裁兼全球負責人蘇尼爾·塞南(Sunil Senan)補充道，企業應考慮采用集中式平臺方法來部署智能體，而不是允許各個業務部門或個別員工自行推出。

他說，如果采用得當，這種平臺方法可以預見許多與AI互操作性相關的信任、風險、治理和其他潛在問題。

他補充道：“通過基于平臺的部署，你將負責任的AI原則融入其中，我們支持這樣一個觀點，即建立一個經過深思熟慮且負責任的AI流程，該流程支持自主式AI集成，并在可操作性方面跨越應用程序，但通過平臺進行管理。”

塞南還建議CIO們考慮使用能夠跨多個應用程序處理多項任務的智能體，而不是將多個來自不同供應商的智能體串聯起來協助員工。例如，石油和天然氣行業的一位業務分析師可能只與一個智能體合作，從PDF文件中總結行業報告、處理來自公司SAP系統的數據，并與微軟的Office套件進行交互，而不是使用三個智能體。

他說：“你可以看到，我如何跨越應用程序邊界，使智能體對我的角色更有意義，并使其能夠支持我，甚至取代我完成的一些工作，以便我能夠專注于更有價值的任務，智能體可能并不局限于特定的應用程序。”