📖 AI 总结

IBM在本文中提出，随着企业将AI从个人效率工具推向生产环境，智能体要在业务中做出决策，就必须获得能反映各系统实时变化状态的“受治理上下文”。IBM Confluent总经理Shaun Clowes指出，大模型的推理能力取决于其可获得的信息，因此数据供给已成为运营层面的问题。他比喻说，不会把应收账款工作交给核物理学家，同样也不应把全部业务信息一股脑交给模型去自行判断，关键在于为具体任务提供恰当上下文。为此，IBM提出“streamhouse”架构，将流处理、连接、处理、治理和查询能力结合，主张在数据产生地就近完成治理与高价值数据生产，而非先集中所有信息。文章强调，提供实时受治理数据只是部分挑战，智能体还需针对其工作定制的上下文。这一思路的意义在于，将受治理上下文置于生产级AI的中心，使数据交付与治理成为AI落地的核心运营能力。