本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 让企业为大规模代理人工智能做好准备
<a name="preparing-business"></a>

随着本指南中描述的[重点领域的](focus-areas.md)融合，代理人工智能从孤立的功能转变为可以理解为能力平台的统一情报层。这个平台不只是执行任务。它可以跨领域进化、适应和协调。代理成为模块化、可重复使用且可发现的服务，可加速创新，减少认知负担，并在整个企业中推动可衡量的成果。该平台视图为嵌入到整个运营模型中的可扩展智能奠定了基础。

实现代理 AI 需要的不仅仅是部署智能代理。它要求从根本上改变企业组织团队、设计流程和管理技术的方式。正如向云端的转变或 DevOps 重新定义的运营模式一样，agentic AI 引入了决策自动化、持续学习和自主协调的新时代。成功取决于围绕这种新的运营理念调整系统、人员和流程。

**Topics**
+ [协调团队和所有权模式](#preparing-business-alignment)
+ [管理变革和组织就绪](#preparing-business-change)
+ [为互操作性和协作进行架构](#preparing-business-collaboration)
+ [将治理融入代理结构](#preparing-business-governance)
+ [采用决策为先的运营思维](#preparing-business-mindset)
+ [根据目的和意图进行扩展](#preparing-business-scaling)

## 协调团队和所有权模式
<a name="preparing-business-alignment"></a>

迈向成熟的第一步是跨职能协调。企业必须建立由 AI/ML 从业人员和领域专家组成的 AgentOps 团队，例如分布式系统架构师、软件工程师、产品负责人、合规主管和平台架构师。这些团队共同拥有代理的整个生命周期，从设计和部署到再培训和监控。

代理的配置和发布应遵循云原生实践，例如将[AWS Cloud Development Kit (AWS CDK)](https://docs.aws.amazon.com/cdk/v2/guide/home.html)和[AWS CodePipeline](https://docs.aws.amazon.com/codepipeline/latest/userguide/welcome.html)用于基础架构即代码和自动部署。这种结构促进了共同的问责制并加速了迭代。正如 DevOps统一开发和运营一样， AgentOps 将智能与治理和执行联系起来。

为了提高效率，这些团队还需要一种共同的语言。业务利益相关者必须了解[什么是代理人，他们是](https://docs.aws.amazon.com/prescriptive-guidance/latest/agentic-ai-foundations/overview.html)[如何运作](https://docs.aws.amazon.com/prescriptive-guidance/latest/agentic-ai-foundations/new-generation.html)的，以及[他们推动的结果](https://docs.aws.amazon.com/prescriptive-guidance/latest/agentic-ai-foundations/purpose.html)。培训和内部能力提升至关重要。通过揭开代理人的神秘面纱，将这种心理模型嵌入到日常对话中，组织可以解锁更广泛的参与和更一致的创新。

为了加快代理的开发和集成 AWS 服务，团队可以采用诸如 [Strands Agents SDK 之类的框架，该框架为脚手架、配置和打包代理](https://strandsagents.com/)提供了基于 CLI 的工具。Strands Agents 旨在与 AWS 基础设施（例如 [Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html)、A [AWS Lambda](https://docs.aws.amazon.com/lambda/latest/dg/welcome.html)[ma EventBridge](https://docs.aws.amazon.com/eventbridge/latest/userguide/eb-what-is.html) zon、和）无缝协作。 AWS CDK AWS CodePipeline它支持快速原型设计和部署，同时保持生产级标准。

但是，光靠结构和工具是不够的。扩展代理人工智能需要深思熟虑的文化、教育和领导准备，以确保采用在整个组织中扎根。

## 管理变革和组织就绪
<a name="preparing-business-change"></a>

成功扩展代理 AI 需要的不仅仅是部署基础架构或智能代理。它要求对组织变革采取结构化方法。这包括文化准备、技能发展、指标驱动的反馈回路以及高管协调，以确保采用既是有意的，又是可持续的。

**促进文化演变**
+ 将特工定位为队友，而不是替补球员，以减少阻力并建立信任。
+ 就代理的能力和限制进行透明的沟通，以设定切合实际的期望。
+ 制定明确的移交协议，规定代理人何时应将决策上报给更高权力机构或将部分流程委托给人类合作者。

**建立技能发展框架**
+ 提供专为工程师、产品经理、领域主管和合规官员量身定制的基于角色的培训。
+ 创建卓越中心，共享最佳实践、工具模式和可重复使用的资产。
+ 通过指导计划将人工智能专家与领域专家配对，以弥合知识差距。

**定义指标和反馈循环**
+ 将技术和业务 KPIs 与战略价值联系起来，以评估影响。价值示例包括决策延迟、分辨率准确性和成本节约。
+ 系统地、持续地捕获用户对表面摩擦点和采用挑战的反馈。
+ 定期进行回顾，以评估代理的表现、使用趋势和改进机会。

**从高层调整领导力**
+ 通过将代理计划与战略成果和投资回报率联系起来，获得高管的支持。
+ 组建包括技术和业务领导在内的跨职能治理委员会。
+ 量身定制沟通策略，以提高所有组织层面的清晰度和参与度。

这种系统的变更管理方法可确保技术实施与组织成熟度相匹配。它为信任、采用和长期商业价值奠定了基础。

## 为互操作性和协作进行架构
<a name="preparing-business-collaboration"></a>

孤立的代理部署带来了本地胜利。但是，当代理人能够动态地发现、调用彼此并相互协作时，企业价值就会显现出来。这意味着要为代理注册、身份验证和能力交换定义标准。从架构上讲，这反映了从单体向微服务的转变，微服务是可组合、可重复使用和松散耦合的单元，可以共同解决复杂的问题。

诸如 [A2A](https://a2aprotocol.ai/) 和 [MCP](https://modelcontextprotocol.io/introduction) 之类的新兴协议是基础协议。它们支持代理、工具和内存系统之间的语义互操作性。A2A 支持对等级交互，允许代理协商任务所有权、共享上下文和协调工作流程。MCP 通过提供用于在代理及其环境之间交换上下文数据的共享架构来补充这一点。它标准化了函数的调 APIs 用、访问和状态维护方式。这些协议共同促进了整个代理生态系统的可扩展性、一致性和长期可维护性。

治理仍然至关重要。控制层（例如仲裁服务器代理）可在不引入集中瓶颈的情况下实现策略感知型委派。这些代理充当信托经纪人。他们强制划定边界，同时允许其他代理进行自我组织。代理协作可帮助组织以敏捷性和信任度扩展其代理人工智能生态系统。

## 将治理融入代理结构
<a name="preparing-business-governance"></a>

自主权越大，风险越大。治理必须从第一天起就嵌入到代理架构中。这包括定义政策界限，确定允许代理执行的范围，强制实施身份模型来确定他们代表谁行事，以及实现可解释性和可追溯性。可观测性系统必须使用诸如 A [ma](https://docs.aws.amazon.com/AmazonCloudWatch/latest/monitoring/WhatIsCloudWatch.html) zon CloudWatch 和之类的服务捕获代理行为的遥测数据 [AWS X-Ray](https://docs.aws.amazon.com/xray/latest/devguide/aws-xray.html)，这些服务提供跨代理工作流程的集中日志和分布式跟踪。反射剂可以根据这些遥测数据持续审计和评估性能。

随着代理生态系统的成熟，治理也必须不断发展。随着代理人的能力和自主性越来越强，监督机制必须变得更具适应性。策略更新、功能门控和运行时行为限制必须是动态的，并且可以大规模执行。信任不是一项附加功能。它通过架构、行为和流程不断得到加强。[AWS Identity and Access Management (IAM)](https://docs.aws.amazon.com/IAM/latest/UserGuide/introduction.html)，并在[AWS AppConfig](https://docs.aws.amazon.com/appconfig/latest/userguide/what-is-appconfig.html)跨代理强制执行安全身份、运行时权限界限和特定于环境的行为切换方面发挥着至关重要的作用。

## 采用决策为先的运营思维
<a name="preparing-business-mindset"></a>

传统的自动化侧重于流程效率，即更快、更可靠地运行预定义的脚本或工作流程。相比之下，Agentic AI 引入了决策优先的自动化。客服人员实时评估情境、权衡选项并调整行为。这种从执行优先向决策至上的思维方式的转变需要对成功指标和结果进行新的思考。代理人工智能的成功不是完全通过任务完成来衡量成功，而是通过决策与意图、政策和不断变化的条件的一致程度来衡量的。

组织必须评估决策质量和对变化的响应能力，而不是仅仅衡量任务完成情况或周期时间。 time-to-action KPIs 应包括以下指标：
+ **决策质量** — 代理对特定用户或场景的个性化响应有多好？ 它是否做出了与业务目标和用户情境相一致的细致入微的决策？
+ **T ime-to-action** — 代理评估情况并做出反应的速度和智能程度如何？ 延迟是否足够低，足以让人感觉自适应和像人一样？
+ **认知卸载** — 代理能够代表人类处理多少手动分析、分类或例行决策？ 它减少了精力还是只是转移了精力？

拥抱决策至上的思维方式的企业可以变得更具弹性、适应性，并能够在新的复杂性水平上运营。

## 根据目的和意图进行扩展
<a name="preparing-business-scaling"></a>

成功扩展代理人工智能并不是要尝试更多工具。它旨在构建一个持久的企业智能层。这需要在平台基础架构、运营文化、治理框架和战略协调方面进行投资。企业必须采取有意的方法。他们不能将代理视为实验，而应将其视为数字运营模型的核心组成部分。

与 Well-Architect [AWS ed F](https://aws.amazon.com/architecture/well-architected/) ramework 保持一致，可以帮助您的系统在可靠性、安全性、性能效率和成本优化方面达到企业标准。诸如 [Strands Agents SDK](https://strandsagents.com/) 之类的工具可以通过提供结构化提示、工具注册和 CI/CD 就绪来加快这一旅程。这有助于团队使用熟悉 AWS 的工作流程从实验转变为可扩展的交付。

Agentic AI 不是工具；而是智能嵌入运营方式的转变。做好相应准备的组织可以实现更多自动化，更智能地运营，更快地适应，并在日益复杂的世界中创造持久的优势。