Столп 4: Технологии и данные

Технологии и данные обеспечивают основу, необходимую агентам для надежной, безопасной и масштабной работы.

По мере перехода организаций от небольших пилотов к корпоративному развертыванию агентов непредвиденные технические решения и фрагментированный доступ к данным быстро становятся ограничивающими факторами. Без чёткой архитектуры, стандартов и управления жизненным циклом сложно управлять решениями на базе ИИ, сложно ими управлять и рискованно масштабировать.

Этот столп сосредоточен на том, как организации формируют технические и данные основы, необходимые для устойчивого внедрения ИИ — от разработки и внедрения до мониторинга и постоянного совершенствования.

Почему технологии и данные важны для агентов ИИ

Агенты действительно эффективны настолько, насколько они опираются на технологии и базу данных. Слабая интеграция, несогласованный доступ к данным или хрупкая архитектура ограничивают возможности агентов и мешают им надёжно работать в системах.

Для эффективной работы агенты должны надёжно:

  • Понимайте контекст рабочего процесса (состояние процесса, зависимости и бизнес-правила).
  • Получите нужную информацию в нужный момент.
  • Предпринимайте действия между системами, используя безопасные, аудитируемые интеграции.

Без прочных технологий и базы данных:

  • Агенты могут оставаться ограниченными вопросами и ответами или выполнением одного шага.
  • Каждый новый агент превращается в индивидуальный инженерный проект.
  • Риски, операционные накладные расходы и непоследовательность растут быстрее стоимости бизнеса.

Имея зрелые основы, вы можете повторно использовать, композиционировать и координировать агентов в разных процессах. Команды могут сосредоточиться на проектировании рабочих процессов и реализации ценности, а не на восстановлении сантехники.

Как выглядит высокая зрелость

На высоком уровне зрелости организация работает с надежной корпоративной платформой ИИ.

Характеристики включают:

  • Стандартизированная архитектура и платформы агентов. Агенты строятся на утверждённых платформах с использованием общих эталонных архитектур, шаблонов и паттернов.
  • Управляемый, автоматизированный жизненный цикл разработки. Разделение сред разработки, тестирования и промышленной эксплуатации, контроль версий, CI/CD, процедуры согласования и отката являются стандартными требованиями для всех агентов промышленной среды.
  • Безопасный, регулируемый доступ к данным и интеграции. Агенты используют одобренные соединители, управляемые удостоверения и контролируемые источники данных, исключая теневой доступ и бесконтрольное распространение учётных данных.
  • Явный перечень систем и интеграций. Системы, API и инструменты, с которыми взаимодействуют агенты, инвентаризуются, принадлежат и рассматриваются как общие архитектурные активы.
  • Многоразовые компоненты. Общие действия, рабочие процессы и интеграции создаются один раз и используются повторно для обеспечения многоступенчатого кросссистемного выполнения.
  • Встроенная наблюдаемость и оценка. Использование, качество, безопасность и производительность автоматически фиксируются и постоянно проверяются.

При высокой зрелости вы обновляете стандарты архитектуры по мере появления новых паттернов агентов (например, оркестрация с несколькими агентами). Федеративные команды быстро создают и развертывают агентов без централизованных ограничений, так как защитные механизмы изначально встроены в решение.

Как читать таблицу зрелости

Таблица показывает, как технологии и возможности для данных развиваются на пяти уровнях зрелости.

Для каждого уровня обратите внимание:

  • Состояние технологий и данных: наблюдаемые технические характеристики.
  • Возможность для прогресса: Практические направления, которые позволяют перейти к следующему этапу.

Организации могут работать на разных уровнях в разных платформах или сферах. Используйте таблицу, чтобы определить доминирующий паттерн и распределить приоритеты улучшений, которые устраняют ограничения масштабирования.

Технологии и зрелость данных

Level Состояние технологий и данных Возможность для прогресса
100: начальное
  • Работа агентов — исследовательская и фрагментированная.
  • Команды экспериментируют с подсказками или лёгкими агентами без чёткого технологического плана.
  • Доступ к данным незапланирован, часто ограничен документами в Microsoft 365 или прямыми системными вызовами без единой стратегии поиска.
  • Нет ясности, когда использовать SaaS-агенты, а когда создавать пользовательские агенты, и нет общей базы данных, на которой агенты могли бы рассуждать.
  • Не существует единой платформы, управления жизненным циклом приложений (ALM) или стандартов интеграции.
  • Команды создают агентов как изолированные подтверждения концепции без единой стандартной архитектуры.
  • Решения хрупкие, недокументированные и трудно использовать повторно или масштабироваться.
  • Определите начальный технологический план.
  • Стандартизируйте на небольшом наборе одобренных платформ. Например, Agent Builder в Microsoft 365 Copilot является по умолчанию для быстрых агентов, основанных на знаниях, в Microsoft 365; Copilot Studio — это стандарт для агентов, требующих рабочих процессов, интеграций и управления жизненным циклом предприятия.
  • Проведите инвентаризацию мест хранения релевантных данных, например в Microsoft 365 или операционных системах, и задокументируйте пробелы в возможностях подключения.
200: повторяемый
  • Команды начинают собираться на небольшом наборе платформ (например, Agent Builder или Copilot Studio), но выборы непоследовательны и определяются предпочтениями команды, а не соответствием конкретного сценария.
  • Данные частично подготовлены: контент Microsoft 365 доступен, но структурированные бизнес-данные остаются разрозненными в разных системах при ограниченном числе одобренных или доступных коннекторов.
  • Агенты опираются на базовое извлечение данных или точечные интеграции, что ограничивает надёжность и возможность повторного использования.
  • Возможно, существует разделение между средами разработки и тестирования, но ALM и телеметрия непоследовательны.
  • Контроль версий используется непоследовательно, а документация минимальна.
  • Паттерны определяются индивидуальным опытом команды, а не корпоративным руководством.
  • Стандартизируйте, где вы создаёте агентов: осознанно выбирайте Agent Builder или Copilot Studio в зависимости от масштаба и сложности задач.
  • Определите эталонные архитектуры и шаблоны интеграции.
  • Стандартизировать практики ALM и ввести базовую телеметрию.
  • Разрабатывайте стандартные шаблоны решений, утверждённые коннекторы и базовые CI/CD конвейеры для обеспечения согласованности и сокращения переработок.
300: определено
  • Существует задокументированный технологический план.
  • Организация последовательно проводит различие между SaaS-агентами,агентами Copilot Studio и более продвинутыми подходами к разработке.
  • Архитектура данных следует чёткой схеме: Microsoft 365 для совместного контента и Fabric OneLake для унифицированных бизнес-данных.
  • Данные организованы с использованием медальонной архитектуры, что позволяет агентам основывать ответы на проверенных источниках.
  • Организация документирует, где находятся критически важные данные и как агенты должны к ним обращаться.
  • Стандартные платформы, эталонные архитектуры и шаблоны интеграции определяются и используются повторно.
  • Для производственных агентов внедрены практики ALM.
  • Команды используют структурированную структурную структуру для планирования развития агентов.
  • Укрепить масштабируемость, безопасность и наблюдаемость.
  • Внедрить мониторинг, логирование и оценку в стандартную архитектуру и обеспечить полное регулирование паттернов доступа к данным.
  • Проверьте с помощью структурированных экспериментов, нужен ли одноагентный или многоагентный подход.
  • Расширяйте и сертифицируйте наборы данных для доменов высокой ценности.
400: способны
  • Технологии и базы данных — это корпоративный уровень.
  • Есть чёткая видимость систем, API и данных, используемых во всех рабочих процессах.
  • Изначально безопасные модели доступа, централизованная телеметрия и автоматизированные оценки — стандарт.
  • Развертывания автоматизированы и надёжны.
  • Централизованный мониторинг и телеметрия обеспечивают видимость поведения и эффективности агентов по всей организации.
  • Используйте Copilot Studio для процессно-ориентированных агентов и Microsoft Foundry для сложных сценариев при необходимости.
  • Переход от центрального исполнения к федеративной доставке.
  • Внедрить в платформы защитные механизмы, безопасно расширить возможности самообслуживания и развивать стандарты для поддержки более высокой автономности и новых моделей работы агентов.
  • Оценивайте новые возможности и шаблоны и включайте их в стандарты, где они приносят ценность.
500: Эффективный
  • Технологии и основы данных постоянно развиваются на основе телеметрии и новых паттернов агентов.
  • Модели данных рабочих процессов и интеграции активно поддерживаются как общие корпоративные активы.
  • Федеративные команды работают независимо, а механизмы защиты обеспечивают качество по умолчанию.
  • Организация использует зрелую, оптимизированную платформу ИИ.
  • Архитектура поддерживает сложные многоагентные сценарии и федеративную разработку в масштабах.
  • Непрерывное совершенствование технических стандартов встроено в операционную модель.
  • Поддерживайте совершенство через постоянный архитектурный обзор, эксперименты и обмен знаниями.
  • Инвестируйте в эволюцию платформы, чтобы опережать новые модели и требования ИИ.

Распространённые антипаттерны

Обратите внимание на признаки того, что технологии и базы данных могут ограничивать использование вашего AI-агента.

Уровень 100 – Начальный: «Эксперименты на основе демоверсий»

  • Команды строят агентов исключительно в подсказках без реальных данных или интеграции действий. Такой подход создаёт впечатляющие демонстрации, которые не выдерживают реальных рабочих процессов или крайних случаев.
  • Команды обходят правильные коннекторы и управление, чтобы «просто заставить это работать», создавая риски безопасности, соответствия требованиям и надёжности.
  • Агенты запускаются из личных учетных записей или тестовых клиентов без четко определенного владельца, жизненного цикла и пути к рабочей среде.
  • Команды переносят экспериментальный код или конфигурации непосредственно в рабочую среду без ALM, тестирования и планов отката.

Уровень 200 – Повторяется: «Инженерия героев»

  • Команды независимо перевнедряют соединители в одни и те же системы, что приводит к дублированию и несогласованности.
  • Лишь немногие понимают, как на самом деле работают системы, а документация скудна или устарела.
  • Некоторые агенты имеют среды разработки, тестирования и производства. Другие — нет. Перенос в рабочую среду выполняется вручную и подвержен ошибкам.
  • Прогресс зависит от конкретных инженеров, а не от повторно используемых шаблонов и общих сервисов.
  • Команды понимают некоторые зависимости данных, но недостаточно, чтобы обеспечить сквозное выполнение.

Уровень 300 — Определение: «Приоритет процесса над обеспечением возможностей»

  • Жёсткие требования к архитектуре применяются к простым агентам, что замедляет доставку и раздражает команды.
  • Эталонные архитектуры и стандарты существуют, но они не встроены в шаблоны или инструменты.
  • Паттерны работают для пилотов, но не валидируются в масштабе, в разных областях или под нагрузкой.
  • Все решения принимает небольшая группа, что ограничивает пропускную способность, вызывает разочарование и заставляет команды отходить от игры.

Уровень 400 – Способности: «Стабильный, но медленный»

  • Платформы надёжны, но только немногие команды могут создавать или размещать агентов.
  • Дашборды существуют, но инсайты не определяют приоритеты, улучшения или решения о выходе на пенсию.
  • Команды строго ограничивают агентов, даже когда данные показывают, что они могут безопасно делать больше.
  • Акцент делается на настройке существующих агентов, а не на внедрении новых паттернов или возможностей.

Уровень 500 — эффективность: "Самодовольная зрелость"

  • Команды считают платформы и стандарты завершёнными, несмотря на быстро меняющиеся паттерны агентов.
  • Защитные механизмы существуют, но не актуализируются, что со временем приводит к расхождениям и несогласованности.
  • Команды отвергают многоагентную оркестрацию, повышенную автономию или новые шаблоны выполнения как «будущую работу».
  • По мере того как агенты становятся более компетентными, команды не обновляют контроль и оценки с той же скоростью.

Использование этого столпа на практике

Технологии и данные — это способствующие факторы.

По мере развития внедрения:

  • Техническая строгость должна снижать трения, а не замедлять команды.
  • Стандарты должны ускорять безопасные эксперименты и повторное использование.
  • Телеметрия платформы должна информировать управление, эксплуатацию и реализацию ценности.

Прочные технологические и базовые базы данных позволяют организациям уверенно масштабировать агентов ИИ, поскольку надёжность, безопасность и управление поддерживают инновации.

Следующий шаг

В следующей статье рассматриваются способы формирования готовности организации и культуры для успешного внедрения агентов ИИ.

Столп 6: Организация и культура

  • Last updated on