导读:IT 领导者们已经不再探讨“如何将一个智能体部署上线”的具体操作细节,他们如今的核心任务,是确保这些智能体能够持续不断地为组织创造真实价值。
作者:谢法莉·卡帕迪亚

图片 Rob Schultz / Shutterstock
在富士胶片生物技术公司(Fujifilm Biotechnologies),一款专为协助法务部门审阅合同而设计的 AI 智能体(AI Agent)正蓄势待发,计划于今年 12 月初正式从测试沙箱(Sandbox)“毕业”,全面转入生产环境运行。
作为一家与全球制药及生物技术企业合作开发疫苗与疗法的合同研发生产机构(CDMO),合同管理在该公司的日常业务中占据着极大比重。为此,公司法务团队构思并设计了一款智能体,专门用于自动审阅合同文本、核查各项条款与条件是否符合内部标准,并生成修改建议供法务人员最终复核。
“这正是部署一组智能体的绝佳应用场景,”富士胶片生物技术公司首席数字与信息官(CDIO)Mike Tomasco 表示。
如今,这类协助企业和员工处理耗时、重复性工作的 AI 智能体,正在各类组织内部呈井喷式涌现。Gartner 预测,到 2028 年,《财富》500 强企业平均每家拥有的智能体数量将超过 15 万个。仅微软(Microsoft)一家公司目前就已部署了超过 50 万个内部智能体;而据人力资源、薪资与劳动力管理平台 UKG 的首席转型官 Prakash Kota 透露,该公司内部的智能体数量甚至已经超过了人类员工的总数。
随着企业级低代码/零代码工具的普及,员工自行搭建并启动一个智能体变得轻而易举。在此背景下,首席信息官(CIO)们肩负起了一项全新的重任:全面管理代理式工具(Agentic tools)的生命周期——包括推动它们从开发阶段平滑过渡到生产环境、对照关键绩效指标(KPIs)对其进行持续量化评估,以及当它们不再满足组织需求时,果断将其淘汰下线(Sunsetting)。
医疗保健机构 DaVita 的 CIO Madhu Narasimhan 表示,受此趋势影响,IT 领导者们思考和探讨智能体的方式已经发生了根本性的转变。
“CIO 们现在的讨论焦点,已经从‘我们该如何构建智能体’,转向了‘我们如何确保它们持续交付价值’,”她指出,“单纯把一个智能体推向生产环境,已经不再是难点所在了。”
对 AI 智能体的生命周期管理,早在代码构建之前就已经开始。CIO 及其技术团队需要先为员工划定底层基础架构与安全护栏(Guardrails),唯有如此,CIO 才能在智能体的整个生命周期内实施有效治理,并在必要时顺畅地将其退役。
科技咨询公司 Hylaine 的首席顾问 Kevin McDonald 建议,技术领导者应当清晰界定每一个智能体的岗位职责,并遵循最小特权原则为其配置收紧的权限范围。“要把智能体当成一款拥有明确负责人(Owner)的‘产品’来持续运营,而不是当成一个有固定截止日期的‘项目’,”他强调。
UKG 的 Kota 补充道,在“IT 部门的全局可见性”与“员工的创新自主权”之间取得平衡至关重要,他建议企业设立一个专门的试验场(Playground)供员工自由探索。同时,他还建议技术领导者为每个智能体分配独立于人类用户凭证之外的“专用身份标识(Dedicated identities)”,并赋予其更为收敛的数据访问范围。
在富士胶片生物技术公司,鉴于企业身处高度受监管的医药行业,Tomasco 决定对代理式 AI(Agentic AI)采取审慎的推进策略。他并不希望像某些公司那样,向全员无限制地敞开诸如 Claude Code等高权限工具的访问通道。
这一考量促使他和团队搭建了一个名为“Genki Studio”的独立隔离沙箱环境,旨在鼓励员工积极尝试构建智能体,同时避免让整个研发过程沦为缺乏监管的“蛮荒西部(Wild West)”。
Tomasco 介绍道,这是一个支持“自带数据(BYOD, Bring Your Own Data)”的受控环境,内置了完善的企业级安全控制、受限的网络访问、基于角色的权限管理(RBAC)以及全链路审计功能。公司全部 5,000 名员工均有资格申请加入该工作室,不过目前只有少部分具备相关技能和浓厚兴趣的员工实际参与 AI 解决方案的开发。在审批申请时,公司会优先考虑那些手握明确业务用例(Use case)、对 AI 抱有强烈热情,且具备数据与分析经验的员工。
目前约有 50 名员工活跃在 Genki Studio 中,他们调用领先的 AI 大模型以及与专业开发人员相同的工具链,亲手构建智能体原型(Prototypes)。原型搭建完成后,员工会邀请同部门的同事进行协同测试。随后,项目通常会进入“领域专家评审(Domain-based review)”环节,以确保该智能体严格符合行业法规要求,且不会与公司现有的系统功能或既定开发路线图(Roadmap)产生重复建设。
Tomasco 表示,如果上述所有条件均审核通过,该智能体就可以被正式发布到生产环境中。从最初萌生创意到最终上线发布,整个周期通常在六到八周左右。
一旦某个智能体正式上线运行,富士胶片生物技术公司会在随后的几周内密切评估其实际效用,以决定是否允许其继续留在生产环境中。评估体系不仅包含用户采用率(Adoption),还涵盖了与生物制药生产流程直接挂钩的专属 KPI——例如,是否实质性地缩短了某款新药或疗法的上市时间(Time to market)。
此外,该组织还会在智能体的整个生命周期内对其进行定期巡检,确保它们始终在履行最初被赋予的职责。“智能体在长期运行中,很可能会逐渐偏离(Drift)你最初为它设定的安全护栏,”Tomasco 提醒道。
与此同时,DaVita 的 Narasimhan 表示,在她们公司,每一个智能体都必须经过严格的内部 AI 准入与评估标准审查。在今年春季正式推出覆盖全公司的企业级 AI 平台之前,DaVita 花费了一年多的时间来夯实底层的安全与治理基座。Narasimhan 透露,截至目前,公司员工已经自主创建了超过 10,000 个智能体,其中包括专门协助员工解答福利政策或行业法规疑问的各类助手。
“在允许任何智能体进行大范围推广之前,我们会全面评估其合规性、网络安全态势、治理结构以及商业价值,”她介绍道。一个由临床医疗、法务、网络安全等多部门专家组成的跨职能团队,会对每一个 AI 用例进行联合审查。衡量成功智能体的核心 KPI 包括准确性、可靠性、采用率以及实际的业务影响力。如果发现某个智能体功能冗余或缺乏用户互动,DaVita 就会考虑将其正式停用下线(Decommission)。“我绝不赞同为了技术而搞技术,”她明确表示。
Hylaine 公司的 McDonald 补充道,CIO 们还可以从“节省的工时”、“单次任务执行成本(Cost per task)”以及“人类推翻或修改智能体输出结果的频率(Override rate)”这三个维度来考核智能体。他指出,当人工干预和重写率开始攀升,或者维持智能体运转的算力与维护成本已经超过了它所替代的人工工作量时,往往就到了该让这个智能体“退役(Sunset)”的时候了。
他强烈建议企业在内部维护一份完善的“智能体注册表(Agent Registry)”,完整记录每一个智能体的访问权限、带版本号的提示词(Versioned prompts)以及允许调用的工具集。唯有如此,当某个智能体到了退休节点时,CIO 才能干净利落地彻底吊销其访问权限并清除历史上下文。
“那些被人遗忘在角落、却依然握有有效系统访问凭证(Live credentials)的‘僵尸智能体’,是一个极其真实且危险的安全隐患,”McDonald 警告道。
Tomasco 对此深表赞同,他认为如果一个智能体无法达到预设的考核指标,管理者必须果断将其关停。“让一个根本无法创造价值的程序继续在后台空转,没有任何意义。”
AI 智能体究竟能否创造真实价值,正日益成为 CIO 们案头最核心的议题。UKG 的 Kota 指出,如今衡量成败的标准,已经不再是看单纯的工具采用率,或是去统计公司里有多少员工正在构建或使用智能体,核心焦点在于如何将这些技术活动转化为实实在在的商业成果(Business outcomes)。
他直言,员工每天花大量时间泡在沙箱环境里做实验或试用各种智能体,并不会自动转化为整个组织生产力的跃升或业绩的改善。“如果我们的技术投入既不能拉动顶层营收增长(Top line),也无法实质性削减底层运营成本(Bottom line),那做这一切的目的又是什么呢?”
对于像 DaVita 和富士胶片生物技术公司这样在关乎生命健康的高风险行业中运营的组织而言,部署 AI 智能体更承载着一层更为宏大的使命:通过提升内部流转效率,为生物制药客户及广大患者争取宝贵的时间。
“当你能够通过技术创新,帮助新药更快地推向市场、惠及患者时,参与其中的每个人都会感到无比振奋,”Tomasco 总结道,“这真正能够改变许多人的命运。”
CDMO (Contract Development and Manufacturing Organization / 合同研发生产机构):生物医药领域的专业外包服务模式,主要为制药企业提供从药物工艺研发到商业化生产的一站式服务,该行业具有极高的合规审查与文档处理需求。
Agent Sunsetting / Decommissioning (智能体退役 / 停用下线):软件生命周期管理(ALM)在 AI 时代的延伸。指当某个 AI 智能体因业务变更、准确率退化(模型漂移)或维护成本过高而失去商业价值时,IT 部门按规范流程将其从生产环境中下线、吊销其 API密钥与系统权限,并归档其历史审计日志的过程。
Agent Registry (智能体注册表):企业级 AI 治理的核心资产库。用于集中登记企业内部所有在役智能体的身份标识(Identity)、业务责任人(Owner)、权限边界、底层模型版本、版本化提示词(Versioned prompts)及关联工具,旨在防止“影子 AI”与僵尸凭证带来的安全漏洞。
Override Rate (人工干预率 / 覆写率):衡量 AI 智能体实际业务表现的关键运维指标。指在“人机协同”流程中,人类员工因不认可智能体的输出结果而手动修改、驳回或接管任务的频率。该指标若持续上升,通常预示着业务逻辑已发生变更或智能体出现了性能退化。
随着零代码开发平台的普及,企业内部正迎来一场由业务人员驱动的“智能体大爆发”。当一家公司的智能体数量动辄突破数万、甚至超越人类员工总数时,CIO 和 CDO 面临的最大挑战,已不再是“如何把智能体造出来”,而是如何防止企业陷入“智能体泛滥(Agent Sprawl)”的治理泥潭。
结合富士胶片与 DaVita 的前沿实践,企业构建稳健的智能体全生命周期管理(ALM)体系需把握三大核心:
1、前置“受控沙箱”,实现安全与创新的解耦:面对一线员工高涨的开发热情,一味封堵只会催生失控的“影子 AI”。搭建如“Genki Studio”般内置角色权限与审计机制的隔离沙箱,允许员工在安全边界内“自带数据”快速试错,是兼顾合规与敏捷的最佳路径。
2、推行“产品化注册制”,消灭僵尸智能体:必须摒弃“重上线、轻维护”的项目思维。为每个智能体绑定明确的业务责任人(Owner)与专用独立身份,并建立全局“智能体注册表(Registry)”。一旦智能体退役,需立即触发权限与凭证的物理吊销,彻底消除僵尸智能体带来的越权访问风险。
3、建立冷酷的“末位淘汰(Sunsetting)”机制:告别以“创建数量”论英雄的虚荣指标。将考核标尺严格锚定在“人工干预率(Override rate)”、“单次任务成本”以及对营收与利润的实际贡献上。对偏离护栏或无法产生正向 ROI 的冗余智能体坚决执行关停,方能确保企业的算力与管理精力聚焦于真正创造核心价值的刀刃之上。