KeyFrame內部研究專用

Agentics: The Future of Business Interactions

Practical AI·7月24日週五·5 min英文

三句話摘要

企業軟體供應商應如何應對千萬級智能體在企業基礎設施中運行的未來。 企業軟體供應商必須立即著手轉型,從以人類為中心的GUI/API範式遷移至智能體對智能體的自動交互模式,否則將被快速迭代的市場淘汰。 交互範式根本轉變:未來系統互動不再透過圖形界面或API,而是智能體與智能體之間的直接交互,絕大多數跨系統流程將無需人工介入而自動進行。

重點整理

重點
  • 1

    交互範式根本轉變:未來系統互動不再透過圖形界面或API,而是智能體與智能體之間的直接交互,絕大多數跨系統流程將無需人工介入而自動進行。

  • 2

    軟體供應商的兩條路徑:一是像NetSuite提供MCP連接器,將現有資料和功能以智能體友善的方式暴露;二是構建專有智能體生態,不接入通用系統。兩者各有取捨。

  • 3

    複雜的治理與架構挑戰:大規模部署智能體需要解決權限設定、資源分配、MCP伺服器配置等問題,整個產業仍在探索如何在企業規模下管理此類系統。

  • 4

    速度優勢決定存亡:AI/智能體領域迭代極快(智能體工程概念已被循環工程取代),企業不應只關注未來幾年,而要立即行動,否則會被快速演進的市場淘汰。

實用技巧與重點

乾貨
  • 關鍵概念:MCP(Model Context Protocol)
  • 提及公司:NetSuite、IBM
  • 互動進化路徑:GUI → API → 智能體對智能體交互
  • 領域術語演變:「智能體工程」→ 「循環工程」(代表智能體能力的演進)
  • 企業面臨的技術難題:權限管理、資源配置、MCP伺服器多組織部署
  • 市場信號:IBM股價下跌(反映轉型不力)
  • 行動時間窗口:未來不是「幾年後」,而是「現在」

結論

結論

企業軟體供應商必須立即著手轉型,從以人類為中心的GUI/API範式遷移至智能體對智能體的自動交互模式,否則將被快速迭代的市場淘汰。

完整解析

詳細

隨著智能體技術成熟,千萬級智能體將進駐企業基礎設施已不再是遠期願景,而是即將到來的現實。講者認為,這對企業軟體供應商——無論是IBM、NetSuite這樣的大型企業級平台,還是中型或垂直領域的SaaS廠商——構成了戰略性的選擇壓力。

傳統的互動範式正在發生根本轉變。過去數十年裡,從網路早期到雲端運算時代,再到AI初期,人類與系統的互動都透過圖形界面或API進行。但當智能體大規模執行各類任務時,這種以人類為中心的互動模式將不復存在。未來大多數跨系統的流程將以智能體對智能體的直接交互方式進行,人類無需參與。這本質上是一種B2B互動模式的升級——從企業與企業的合作,演進為智能體與智能體的協作。

面對這一轉變,軟體供應商採取了不同的策略。一些公司選擇透過MCP(Model Context Protocol)向外開放,提供連接器讓通用智能體可以存取自己的資料和功能。NetSuite等廠商就走這條路,將其資料組織能力和業務功能以智能體友善的方式暴露出來。另一些企業則採取相反的策略——構建專有的私有智能體,根據客戶需求運行,不參與更廣泛的智能體生態。

但真正的挑戰在於實現層面。要在無需人工直接操作GUI的情況下,讓企業流程完全自動化,需要解決複雜的權限設定、資源配置、多組織MCP伺服器部署等問題。整個產業正在探索如何在企業規模下治理和管理這些系統——這本身就是一個充滿機會的創業領域。

講者強調,關鍵不在於「幾年後會怎樣」,而在於企業必須現在就行動。AI和智能體領域的發展速度快到令人驚人——「智能體工程」這個概念幾個月前還是熱詞,如今已被「循環工程」取代,而這個術語本身也即將過時。IBM股價的下跌就是轉型遲滯的證明。對企業領導者而言,策略應該是:先理解當下正在發生什麼,然後立即思考如何為未來的智能體交互做準備,而不是等待機會敲門。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Everything Goldman Sachs Taught Me About AI (In 10 minutes)
AI 技術英文8月24日

Everything Goldman Sachs Taught Me About AI (In 10 minutes)

Nate Herk

  • 驗證優於相信:看起來完整的AI輸出不等於正確答案,需在提示中要求模型重新檢查數字、引用來源,並對無把握的部分標記。
  • 區分AI與自動化:確定步驟且答案已知的任務用傳統自動化更便宜快速;只在需要判斷力、靈活性或處理複雜資訊時才用AI,兩者結合效果最佳。
  • 以問題驅動選型:先寫清楚「要解決的問題是什麼、成功的樣子是什麼」,再決定用什麼工具,許多失敗項目是從技術而非問題出發。
Mu: a self-hosted personal agent where the interface is an email address you can write to
AI 技術英文8月23日

Mu: a self-hosted personal agent where the interface is an email address you can write to

GitHub Awesome

  • Mu 是自主代理人系統,具有實際網址與獨立伺服器,用戶可透過多種方式與其互動——網頁應用、電子郵件或程式化介面。
  • 架構完整覆蓋日常工作流程的多個層面,整合郵件收發(SMTP/IMAP)、檔案管理、行事曆、新聞聚合、市場數據與搜尋功能於一個 Go 伺服器內。
  • 支援自帶模型與多種通訊協定,用戶可選擇不同的 AI 模型,並透過 MCP、HTTP API 或命令列工具整合到其他系統。