當(dāng)前關(guān)于AI Agent的技術(shù)棧有很多，但真正能夠用于企業(yè)的并不多。每一種技術(shù)框架和工具說起來都是非常優(yōu)秀，但真要應(yīng)用到企業(yè)中時卻總是捉肘見襟。想要把最新技術(shù)應(yīng)用到現(xiàn)實業(yè)務(wù)場景與技術(shù)環(huán)境，中間還需要跨越很大的門檻。

每個企業(yè)的數(shù)字化程度不同，技術(shù)環(huán)境不同，對于技術(shù)的引入與融合也會有很大的不同。對于更多持續(xù)引入應(yīng)用各種先進(jìn)技術(shù)的企業(yè)來說，引入新技術(shù)并不難，難的是如何把新技術(shù)與原有業(yè)務(wù)進(jìn)行妥帖的融合。對于當(dāng)前大模型的應(yīng)用而言，就是如何把AI Agent和大模型引入并與已有業(yè)務(wù)系統(tǒng)進(jìn)行完美融合，這是大部分企業(yè)的純剛性需求。

對于企業(yè)經(jīng)營而言，技術(shù)只是支持業(yè)務(wù)更好運轉(zhuǎn)的一部分。新技術(shù)作為戰(zhàn)術(shù)實施用來優(yōu)化業(yè)務(wù)流程，而基于某種技術(shù)的企業(yè)戰(zhàn)略方是支撐企業(yè)運營的長久之計。所以對于AI Agent這樣的能夠高效變革企業(yè)經(jīng)營的技術(shù)，企業(yè)最好能夠從更高的戰(zhàn)略層面去看待它的應(yīng)用，這樣關(guān)于Agentic AI的戰(zhàn)略應(yīng)用也開始被更多企業(yè)管理者進(jìn)行探討。

在這個前提下，一些面向企業(yè)戰(zhàn)略的Agentic AI架構(gòu)也由此而生。上篇文章，王吉偉頻道介紹了能夠提升編碼Agent能力的優(yōu)秀技術(shù)堆棧AI賦能棧AI Enablement Stack，得到了很多讀者的關(guān)注。

這篇文章，向大家推薦一個面向企業(yè)的AI Agent技術(shù)棧：Agentic AI Stack for Enterprises。

這是由Agentico創(chuàng)始人Oliver Morris與變革管理專家Simon Torrance合作開發(fā)的綜合框架，從戰(zhàn)略企業(yè)角度映射了新興的Agentic AI生態(tài)系統(tǒng)。旨在為企業(yè)提供一個戰(zhàn)略視角來理解Agentic AI生態(tài)系統(tǒng)，揭示了成熟和新興的技術(shù)類別，能夠幫助企業(yè)理解這個新行業(yè)，識別機遇并為Agentic AI的大規(guī)模部署和員工轉(zhuǎn)型提供路線圖。總體是一個三層結(jié)構(gòu)，分為九階段：

參與層：關(guān)注AI如何與用戶和系統(tǒng)交互，包括接口和第三方Agent。 

能力層：包含核心的AI功能和控制，包括控制、編排 、智能和 工具 ，其中工具包含新興的 下一代RPA和流程挖掘。

數(shù)據(jù)層：支持學(xué)習(xí)和問責(zé)制的基礎(chǔ)系統(tǒng)，主要包含記錄系統(tǒng)，Agent工作核算是其中的新興子類別。

Oliver Morris專門寫了一篇文章介紹這個框架，指出“Agentic AI的成功20%靠技術(shù)，80%靠變革管理。” 這強調(diào)了非技術(shù)因素（組織結(jié)構(gòu)、治理、文化等）在Agentic AI部署中的關(guān)鍵作用。因此缺乏清晰的戰(zhàn)略假設(shè)和變革管理，技術(shù)堆棧的價值有限甚至存在風(fēng)險。

需要說明的是，這個框架的重點不在于技術(shù)，而是強調(diào)成功Agentic AI實施需要技術(shù)和變更管理的結(jié)合，進(jìn)而幫助企業(yè)建立生態(tài)系統(tǒng)合作伙伴關(guān)系和戰(zhàn)略能力。該框架從更廣闊的Agentic AI戰(zhàn)略視角看待Agent的部署與應(yīng)用，尤其適合企業(yè)在現(xiàn)有業(yè)務(wù)系統(tǒng)下部署實施Agent的技術(shù)選型參考，值得企業(yè)管理者與開發(fā)者理解與掌握。

關(guān)于該框架，這里附上Oliver Morris介紹它的原文供大家參考和學(xué)習(xí)。

當(dāng)技術(shù)人員專注于Agentic AI 的實現(xiàn)時，成功的企業(yè)領(lǐng)導(dǎo)者則有著更宏大的思考——生態(tài)系統(tǒng)合作、供應(yīng)商選擇，以及戰(zhàn)略能力的構(gòu)建。

Agentico創(chuàng)始人olivermorris與變革管理專家Simon Torrance合作，開發(fā)了企業(yè)Agentic AI技術(shù)堆棧Agentic AI Stack for Enterprises，一個從戰(zhàn)略企業(yè)視角描繪這個Agentic AI生態(tài)系統(tǒng)的綜合框架。

Agentic AI Stack for Enterprises揭示了這個新行業(yè)中既成熟又新興的各類技術(shù)層面。有些層面充滿創(chuàng)新活力，而另一些則幾乎空白，蘊藏著巨大的機會。

該技術(shù)棧分為三個層級：

• 交互層（Engagement）：AI如何與用戶和系統(tǒng)交互。
• 能力層（Capabilities）：AI的核心功能與控制。
• 數(shù)據(jù)層（Data）：支撐學(xué)習(xí)與問責(zé)的基礎(chǔ)系統(tǒng)。

實現(xiàn)Agentic AI的成功，技術(shù)只占20%，剩下的80%是變革管理。

該框架幫助企業(yè)將機會置于正確的戰(zhàn)略環(huán)境中：

• AI-人類團隊的動態(tài)自組織
• 具備低邊際成本的可擴展智能
• 企業(yè)范圍的知識放大
• 提升運營韌性

那些現(xiàn)在開始建立生態(tài)合作關(guān)系的組織，將在未來具備最強的能力構(gòu)建和競爭優(yōu)勢。

技術(shù)棧詳解

所有技術(shù)要素的底層，是一個關(guān)鍵的基礎(chǔ)組成部分：一個連貫而穩(wěn)健的商業(yè)Agentic AI戰(zhàn)略。

這是一種假設(shè)，旨在與企業(yè)的整體戰(zhàn)略保持一致。它明確Agentic AI的愿景與目標(biāo)，提出部署場景、成功路徑和實現(xiàn)目標(biāo)所需的運營模型。

                         Agentic AI Stack for Enterprises架構(gòu)漢化（機翻）

所謂“運營模型”，不僅包括技術(shù)棧中描述的技術(shù)要素，還涵蓋實現(xiàn)目標(biāo)所需的非技術(shù)性技能、組織結(jié)構(gòu)、指標(biāo)、治理和變革流程。

顯而易見，Agentic AI的成功或許只有20%是技術(shù)，80%則是變革管理。

如果沒有這些基礎(chǔ)的、非技術(shù)性的要素支撐——以清晰、可驗證的戰(zhàn)略假設(shè)的形式加以明確——那么技術(shù)棧中的組件將價值有限，甚至存在風(fēng)險。

由于篇幅限制，本文無法詳盡解釋每一層及其子組件，詳細(xì)說明留給客戶。下文會簡要描述每一層、突出重要子類別，并列舉一些具有代表性的創(chuàng)新公司。

1. 交互層（Engagement Tier）

  第1層：界面（Interfaces）

這是至關(guān)重要的第一層，AI服務(wù)在此與用戶對接，無論是消費者、企業(yè)客戶、企業(yè)員工（業(yè)務(wù)或 IT）還是其他非人類系統(tǒng)（如AI Agent或IoT設(shè)備）。應(yīng)實現(xiàn)自然、可控的交互，同時保障可訪問性與安全性。

新興子類別：市場與發(fā)現(xiàn)API（Marketplaces & Discovery APIs）

這類平臺用于發(fā)現(xiàn)、評估和集成AI Agent，實現(xiàn)合作企業(yè)、供應(yīng)商和客戶之間的連接。目前這些市場平臺仍處于初級階段，但隨著AI Agent在垂直行業(yè)中的普及，它們將快速成熟以滿足需求。

代表創(chuàng)新者：Agent.ai

由HubSpot CRM 創(chuàng)始人打造，這是一個AI Agent的市場平臺，用戶可在其中發(fā)現(xiàn)、連接并雇傭AI Agent完成各種任務(wù)。

  第2層：第三方Agents（Third-Party Agents）

Agent本身（單體或多體），幫助企業(yè)以更高效、創(chuàng)新的方式服務(wù)其終端用戶。

新興子類別：企業(yè)到AI Agent（B2A，Business-to-Agent）

隨著AI Agent的普及并獲得代表用戶進(jìn)行采購的能力（在權(quán)限范圍內(nèi)），它們自身也將成為特定服務(wù)的“客戶”。這一市場尚屬全新領(lǐng)域。創(chuàng)業(yè)加速器Y Combinator最近已為該領(lǐng)域的創(chuàng)業(yè)者提供投資支持。

代表創(chuàng)新者：暫無（目前市場仍為空白

2. 能力層（Capabilities Tier）

  第3層：控制（Controls）

確保AI Agent在政策范圍內(nèi)安全、合規(guī)和倫理運行的保障層。該層設(shè)置安全護欄、監(jiān)控合規(guī)性、維護審計日志，以建立信任、防止誤用并避免意外后果。

新興子類別：驗證與政策合規(guī)

由于生成式AI模型輸出具有概率性，不能完全準(zhǔn)確，因此可以將政策與法律文件轉(zhuǎn)化為規(guī)則集合，并用于對模型輸出進(jìn)行交叉驗證。這類“形式化驗證”與合規(guī)機制可提升用戶信心，使 AI 承擔(dān)更多關(guān)鍵任務(wù)。目前該領(lǐng)域參與者極少，有望迎來爆發(fā)。

代表創(chuàng)新者：Amazon Automated Reasoning

此工具支持將AI 輸出與既定政策對比驗證，識別錯誤并確保合規(guī)。借助自動推理技術(shù)提供數(shù)學(xué)級的正確性證明，降低“幻覺”風(fēng)險，增強信任。

  第4層：編排（Orchestration）

負(fù)責(zé)協(xié)調(diào)AI Agent之間及其與人類之間協(xié)作的引擎。涵蓋部署、監(jiān)控和工作流管理，以最大限度提升生產(chǎn)力并保障可靠性與可問責(zé)性。

新興子類別：微調(diào)（Fine-Tuning）

將預(yù)訓(xùn)練模型通過特定數(shù)據(jù)集再訓(xùn)練以適應(yīng)特定任務(wù)或領(lǐng)域。當(dāng)前的微調(diào)多針對個別模型服務(wù)企業(yè)特定需求，但研究表明也可以對Agent團隊進(jìn)行微調(diào)，讓多個Agent既具專業(yè)性又能協(xié)作。

代表創(chuàng)新者：Predibase

為小型語言模型提供微調(diào)服務(wù)，幫助企業(yè)將AI 模型定制化用于特定場景。

  第5層：智能（Intelligence）

提供推理與語言能力的認(rèn)知層，既包括OpenAI等外部服務(wù)，也包括企業(yè)自有模型。必須具有靈活性和可升級性，以跟上技術(shù)演進(jìn)的步伐。

新興子類別：Agent運維（Agent Ops）

涵蓋Agent的監(jiān)控、錯誤報告、持續(xù)評估與部署。隨著AI Agent具備更強自主性并執(zhí)行更復(fù)雜任務(wù)，其服務(wù)水平也需自動化監(jiān)控與管理。Agent Ops為Agent生命周期提供結(jié)構(gòu)化監(jiān)管手段。

代表創(chuàng)新者：LangSmith

提供實時監(jiān)控、分析與優(yōu)化AI Agent行為的工具，增強Agentic AI應(yīng)用的可觀察性與可靠性。

  第6層：工具（Tools）

支持AI Agent與企業(yè)系統(tǒng)交互的執(zhí)行層。通過API或標(biāo)準(zhǔn)界面（包括支付處理等關(guān)鍵能力）提供安全的數(shù)據(jù)訪問與操作權(quán)限。

新興子類別：下一代RPA與流程挖掘

RPA（機器人流程自動化）與流程挖掘（Process Mining）是Agentic AI 可以借力的現(xiàn)有技術(shù)。在大型企業(yè)中，RPA 通常用于自動化重復(fù)、規(guī)則驅(qū)動的任務(wù)。AI Agent通過推理能力可進(jìn)一步擴展這種自動化。流程挖掘則用于分析業(yè)務(wù)流程并識別可自動化的低效環(huán)節(jié)，從而明確Agentic AI 的應(yīng)用機會。

代表創(chuàng)新者：UiPath，國內(nèi)如實在智能、容智信息、金智維等

成熟的自動化平臺，傳統(tǒng)上自動化人類重復(fù)的數(shù)字任務(wù)。如今結(jié)合AI 視覺與 API，UiPath 支持構(gòu)建能理解并執(zhí)行復(fù)雜企業(yè)流程的AI Agent。

3. 數(shù)據(jù)層（Data Tier）

第7層：記錄系統(tǒng)（Systems of Record）

為企業(yè)記憶和持續(xù)性提供技術(shù)基礎(chǔ)。記錄交互歷史、追蹤決策、管理成本，使AI Agent能夠從經(jīng)驗中學(xué)習(xí)，并為企業(yè)長期戰(zhàn)略提供支持。

新興子類別：Agent工作核算（Agent Workforce Accounting）

當(dāng)前的Agentic系統(tǒng)多被限制在權(quán)限和交易能力上。但隨著它們開始涉及財務(wù)決策，將有必要追蹤其直接成本與行為決，可以稱之為“Agent工作核算”。目前僅發(fā)現(xiàn)一家探索者，未來會有更多現(xiàn)有會計系統(tǒng)擴展到此領(lǐng)域。

代表創(chuàng)新者：Workday 的 Agent System of Record，用于管理和評估組織內(nèi)AI Agent的系統(tǒng)，確保其行為符合企業(yè)目標(biāo)與合規(guī)要求。

其他供應(yīng)商與創(chuàng)新者

在這項工作中，Agentico建立了一個詳盡的創(chuàng)新企業(yè)與供應(yīng)商數(shù)據(jù)庫。其他相關(guān)的企業(yè)列表和目錄大多組織混亂、不完整，甚至包含非Agentic解決方案。這一領(lǐng)域，目前已經(jīng)出現(xiàn)一些特別具有創(chuàng)新性和重要性的企業(yè)，參與的玩家也已不少。

同時一些大型科技公司正在橫跨多個層級展開競爭，市場正在形成“控制點”之爭。雖然大規(guī)模投入最終有利于企業(yè)客戶，但由于供應(yīng)商能力難以驗證，這也造成一定困擾。

因此，不建議將所有資源投入單一供應(yīng)商。多供應(yīng)商戰(zhàn)略更為合理。

企業(yè)領(lǐng)導(dǎo)者應(yīng)明確，哪些界面、能力與數(shù)據(jù)是戰(zhàn)略資產(chǎn)，哪些則為通用商品。前者應(yīng)傾向內(nèi)建，后者可以外包。因此，穩(wěn)健的商業(yè)Agentic AI戰(zhàn)略將為這一判斷提供依據(jù)。

主要創(chuàng)新優(yōu)勢

• 該框架與技術(shù)棧（以及后續(xù)版本）旨在支持以下潛在的變革式發(fā)展：
• 高效的人機協(xié)作：人類與AI 團隊可依據(jù)各自優(yōu)勢自組織并動態(tài)分工。
• 可擴展智能：企業(yè)能力可在不增加等比例人力與成本的前提下實現(xiàn)倍增。
• 知識放大：最佳實踐與專業(yè)知識可被捕獲、增強并在企業(yè)中一致部署。
• 運營韌性：混合勞動力可應(yīng)對需求高峰與復(fù)雜性，同時保持質(zhì)量與效率。
  支持新興的Agentic AI生態(tài)系統(tǒng)

此技術(shù)棧為多方利益相關(guān)者提供指導(dǎo)：

對企業(yè)而言：

• 提供從基本的生成式AI 到真正大規(guī)模利用Agentic AI并最終實現(xiàn)勞動力轉(zhuǎn)型的路線圖
• 幫助評估和定位供應(yīng)商解決方案
• 明確能力差距與優(yōu)先級

對供應(yīng)商而言：

• 闡明當(dāng)前產(chǎn)品之外的市場機會
• 指導(dǎo)下一代企業(yè)級AI產(chǎn)品開發(fā)
• 支持集成式解決方案建設(shè)

對投資人和創(chuàng)業(yè)者而言：

• 揭示超越當(dāng)前GenAI應(yīng)用的高價值機會領(lǐng)域
• 識別未被充分服務(wù)的細(xì)分市場

為戰(zhàn)略投資提供背景依據(jù)

展望未來

向混合人機勞動力的轉(zhuǎn)型，可能是自第一次工業(yè)革命以來最深刻的組織變革。

大多數(shù)企業(yè)仍專注于高級分析和基礎(chǔ)生成式AI，前瞻性的企業(yè)高管已經(jīng)把Agentic團隊（Agentic Teams ）作為戰(zhàn)略必需。

他們意識到，未來的競爭優(yōu)勢將取決于企業(yè)如何高效融合人類與人工智能。

Agentic AI Stack for Enterprises旨在為實現(xiàn)這一混合勞動力的愿景提供架構(gòu)基礎(chǔ)，使AI Agent不再只是工具，而是真正的團隊成員。

那些現(xiàn)在開始構(gòu)建這些能力模式的企業(yè)，將能以近乎零邊際成本為利益相關(guān)者創(chuàng)造新的價值層級，徹底改變其行業(yè)的經(jīng)濟結(jié)構(gòu)。

工作的未來既非純?nèi)斯ひ卜羌冎悄埽莾烧咧g無縫協(xié)作。現(xiàn)在，已經(jīng)到了為這個未來做準(zhǔn)備的時候了。

參考資料：The Agentic AI Stack for Enterprises：???https://www.agentico.ai/post/the-agentic-ai-stack-for-enterprises???

本文轉(zhuǎn)載自??????王吉偉??????，作者：王吉偉?