將自主式AI應用于遺留系統時需應對的四大挑戰
自主式AI在提升遺留系統轉型的效率和速度方面具有巨大潛力，然而，鑒于遺留平臺的復雜性及其在支持業務流程中的關鍵作用，充分利用智能體來協助遺留系統遷移和現代化可能是一項極具挑戰性的任務。
幸運的是，這些問題是可以解決的，然而，這需要特殊的遠見和規劃，以應對在遺留軟件環境中部署智能體時出現的眾多復雜問題。
自主式AI在遺留系統中的應用：是什么及為何重要
自主式AI是一種利用自主智能體來自動化復雜流程的AI技術，與單純生成內容的GenAI不同，自主式AI可以在軟件系統中執行操作。
這包括企業為維護、升級和改造遺留軟件平臺(如SAP的ERP環境)而執行的許多操作。事實上，由于遺留系統管理傳統上是一個緩慢而繁瑣的過程，智能體有望在幫助企業最大化利用現有遺留IT資產價值的同時，避免給IT團隊帶來過重負擔方面發揮關鍵作用。
克服自主式AI在遺留系統中的挑戰
然而，將自主式AI應用于遺留系統并非簡單地連接遺留軟件和AI服務就能一蹴而就，企業必須克服因遺留系統的獨特性質而產生的諸多挑戰。
1. 復雜的集成需求
為了良好運行，自主式AI系統必須能夠無縫集成到它們協助管理的軟件環境中。當嘗試與SAP等遺留企業系統配合工作時，這可能會很困難，因為這些系統具有復雜的數據模型、專有邏輯，并且在許多情況下，還具有因企業而異的定制配置。
由于這些挑戰，在為遺留系統部署智能體時，期望獲得“即插即用”的體驗是不現實的，這在更現代的環境中(如公有云)可能行得通，因為這些環境往往是一致且可預測的，但在遺留環境中，就不要期望事情會如此簡單了。
然而，這并不意味著將自主式AI與遺留系統集成是不可能的，這可以通過針對有限的應用場景來實現，如自定義代碼分析或測試自動化，在這些場景中，所需的數據資源和結果都是明確界定的，這比嘗試使用AI自動化遺留系統管理流程的大部分工作更為可行。
如果可能的話，利用遺留軟件的現代化版本也有所幫助，例如，在SAP環境中，SAP BTP AI Core、SAP Graph或SAP Event Mesh等功能可以以清晰、API可用的格式將SAP業務對象暴露給智能體，從而更輕松地構建必要的集成。
2. 和投資回報率相關的風險
構建和運營智能體可能是一項昂貴的投資，而且從一開始就不總是能明確哪種類型的智能體將帶來最大的投資回報率，因此，在探索特定應用場景之前，確保自主式AI確實能提供期望的商業成果至關重要。
企業可以通過使用“T恤尺碼”法對AI項目進行評估，從而估算他們正在考慮的應用場景的成本效益比。例如，如果一家企業選擇使用智能體進行測試自動化，那么它應該從一個試點項目開始，評估如果全面應用自動化將節省多少員工時間，將這些節省與全面實施解決方案的成本進行比較，將明確表明這是否是一項值得的投資。
控制自主式AI投資回報率風險的其他做法還包括，在可能的情況下選擇低成本或開源的智能體框架(如LangChain)。成本優化的向量數據庫(如Pinecone)也有所幫助，同樣，在相同的基礎自主式AI基礎設施上整合多個應用場景也有助于控制成本。
3. 數據隱私和安全風險
自主式AI系統通常需要廣泛的數據訪問權限，鑒于遺留平臺經常存儲高度敏感的商業信息，如果智能體“泄露”了這些數據，就可能產生數據隱私和安全風險。
這里的解決方案是對智能體應用與為人類用戶部署時相同的隱私、安全和合規控制，基于角色的訪問控制(RBAC)應明確規定數據智能體在遺留系統中可以訪問和不能訪問哪些數據，限制智能體對網絡的訪問也是防止連接到未經授權的第三方系統的一種方式。
同樣，維護記錄智能體訪問了哪些數據以及它們對這些數據做了什么的審計跟蹤也至關重要，尤其是在需要證明企業合規使用自主式AI的時候。
4. 幻覺傾向
與所有由大型語言模型(LLM)驅動的AI技術一樣，智能體也可能“產生幻覺”，即基于錯誤的假設行事或做出錯誤的決策，當智能體可以訪問關鍵任務遺留系統時，這尤其危險。
降低這種風險的最佳方法是，每當智能體協助處理高風險任務時，都要讓人類“參與其中”。例如，在涉及財務或物流數據的AI自動化生效之前，通常應由人類進行批準。
實施置信度閾值也有所幫助，這些閾值可以衡量智能體提出的操作正確的可能性。對于置信度低的決策，應進行人工驗證，尤其是當它們影響高風險流程或資源時。
充分利用自主式AI進行遺留系統管理
自主式AI在遺留系統管理方面具有巨大的潛力，企業如果不加以利用，將面臨巨大風險，然而，為了可靠且安全地做到這一點，它們必須減輕智能體在遺留系統集成、控制成本和保護遺留系統數據等方面帶來的特殊挑戰，這是可以做到的，但鑒于遺留平臺的獨特復雜性，企業應預期這需要特別高水平的規劃和分析。
