本文來自微信公眾號： AI前線 ，編譯：冬梅，作者：冬梅

近期，在LangChain舉辦的智能體大會Interrupt上，吳恩達與LangChain創(chuàng)始人Harrison Chase進行了一場關(guān)于AI Agent的對談。整場交流的核心并不是簡單討論Agent有多強，而是圍繞一個更現(xiàn)實的問題展開：當AI Agent讓軟件開發(fā)變快之后，真正的瓶頸會轉(zhuǎn)移到哪里？

吳恩達首先提到，過去一年AI領(lǐng)域的熱度和炒作超出了他的預期。相比之下，更值得關(guān)注的是編程智能體的快速進步。他說，六個月前自己幾乎主要使用Claude Code，現(xiàn)在則開始混合使用OpenAI Codex、Gemini CLI、OpenCode等工具。編程智能體的能力邊界變化很快，甚至連在手機上寫代碼這樣的工作流，也開始變得自然。

但編程智能體帶來的最大變化，不只是寫代碼更快，而是軟件生產(chǎn)鏈條被重新分配。吳恩達提出了“產(chǎn)品管理瓶頸”的概念：當代碼實現(xiàn)速度提升10倍甚至100倍之后，限制團隊效率的就不再只是工程實現(xiàn)，而是“到底該做什么”。需求定義、用戶反饋、優(yōu)先級判斷、產(chǎn)品邊界，都會變得更重要。

與此同時，營銷、法務、設計、合規(guī)也可能變成新瓶頸。過去一個產(chǎn)品開發(fā)三個月，等法務一周簽字可以接受；但如果現(xiàn)在一天就能做出產(chǎn)品，再等一周，法務本身就成了阻礙。

因此，未來的軟件團隊會更小、更快，也更依賴通才型人才。

吳恩達提到，他越來越多地組建一到十人的小團隊，成員往往是高上下文、高授權(quán)、技術(shù)能力強的工程師。他們不只寫代碼，還會借助AI完成產(chǎn)品定義、營銷文案、服務條款初稿等工作。AI不會讓工程師瞬間變成優(yōu)秀營銷人員或律師，但可以讓他們先產(chǎn)出一個可用初稿，再交給專業(yè)人員把關(guān)。

在Agent開發(fā)方式上，吳恩達用了“樂高積木”的比喻。

今天的開發(fā)者面對的不只是模型，還有RAG、Agent框架、評估工具、Guardrails、UI組件、身份認證、數(shù)據(jù)庫等大量構(gòu)建模塊。開發(fā)者越了解這些模塊，越能快速組合出可用系統(tǒng)。但問題是，API、SDK和工具變化太快，模型未必知道最新用法。因此，Agent的能力不只取決于模型本身，也取決于它能否獲得及時、準確、可執(zhí)行的上下文。

談到企業(yè)落地，吳恩達認為，很多企業(yè)正在做自下而上的AI創(chuàng)新，但這種“百花齊放”往往只能帶來點狀提效，難以形成真正轉(zhuǎn)型。比如銀行用AI自動化貸款審批，如果只是把一小時人工審核變成AI審核，價值有限；更大的機會是重構(gòu)整個流程，推出“10分鐘獲批”的貸款產(chǎn)品。這需要營銷、數(shù)據(jù)、審批、盡調(diào)、執(zhí)行等環(huán)節(jié)一起變化。

他也提醒企業(yè)，不要只把AI當作降本工具。成本節(jié)省有上限，增長才更有想象空間?？头⒑艚兄行?、drive-through點餐等場景中，AI的價值不只是減少人工，而是更快服務更多客戶，改善體驗，進而帶動業(yè)務增長。

最后，他把企業(yè)Agent的關(guān)鍵基礎落到數(shù)據(jù)架構(gòu)上。過去企業(yè)主要圍繞結(jié)構(gòu)化數(shù)據(jù)做治理，但Agent真正要發(fā)揮作用，必須能處理文本、PDF、圖片、音頻、視頻等非結(jié)構(gòu)化數(shù)據(jù)?，F(xiàn)實是，很多企業(yè)數(shù)據(jù)分散、權(quán)限體系為人而非Agent設計、治理和可觀測性不足。吳恩達判斷，未來幾年，企業(yè)會啟動大規(guī)模數(shù)據(jù)架構(gòu)重構(gòu)，讓數(shù)據(jù)真正變得AI-ready、agent-ready。

這場對話的重點是：AI Agent不只是讓代碼寫得更快，它正在倒逼企業(yè)重新思考產(chǎn)品、組織、數(shù)據(jù)、流程和技術(shù)選型。真正能從Agent中受益的企業(yè)，不是簡單自動化某個環(huán)節(jié)，而是有能力圍繞Agent重構(gòu)整個業(yè)務系統(tǒng)。

以下為完整版對話，經(jīng)AI前線編譯：

編程智能體的崛起

Harrison Chase：距離我們上次對話已經(jīng)過去一年了，這一年AI領(lǐng)域發(fā)生了很多事情。哪些事情的發(fā)展速度超出了你的預期？哪些事情又比你想象得更慢？

吳恩達：我覺得，首先是一些熱度和炒作程度超出了我的預期。另外，一些末日敘事也獲得了比我預想中更多的關(guān)注，這有點遺憾。比如所謂的“工作崗位末日”，我并不認為那會真的發(fā)生。更積極的一面是，編程智能體的發(fā)展速度可能比我預想得更快。

現(xiàn)在的前沿編程智能體發(fā)展非?？?。雖然外界總說AI每三個月就徹底改變一次，這種說法并不完全準確，但在編程智能體上，它確實有點像真的。我們能用編程智能體完成的事情，其前沿能力變化非?？?，而且競爭非常激烈。

大概六個月前，我?guī)缀跞荚谟肅laude Code?，F(xiàn)在我仍然大量使用Claude Code，但也越來越多地使用OpenAI Codex，同時也會混合使用Gemini CLI。我也支持OpenCode，因為它是開放的代碼。

所以我們使用的編程智能體組合變化得非?？?。

一年前我也不會想到，自己會在手機上寫這么多代碼。很多工作流都在快速改變。比如像在座很多人一樣，我辦公室里也有一臺Mac Mini，這些開發(fā)工作流變化得非?？?。

另外，智能體式工作流也正在真正進入企業(yè)。這一點也讓人感覺不錯。

Harrison Chase：順著軟件工程這個話題，在你看來，軟件工程的未來會是什么樣？

吳恩達：大概一年前，我寫過“產(chǎn)品管理瓶頸”這個問題。它的意思是，如果構(gòu)建軟件變得快得多，那么決定要構(gòu)建什么，也就是產(chǎn)品管理工作，包括定義項目范圍、獲取客戶反饋、決定做什么，就會變成瓶頸。

過去一年，我感覺這個產(chǎn)品管理瓶頸以一種好的方式變得更嚴重了，因為軟件構(gòu)建變得快多了。

但事實證明，當寫軟件變快10倍甚至100倍之后，不只是產(chǎn)品管理會成為瓶頸，幾乎所有其他事情都會變成瓶頸。

我有些團隊已經(jīng)遇到了營銷瓶頸。因為我們能構(gòu)建太多功能，營銷人員反而很難跟上，搞清楚一個新功能到底做了什么，然后再思考該如何對外傳播。

過去，如果一個產(chǎn)品需要法律合規(guī)，你花三個月構(gòu)建它，再等一周讓法務簽字，可能還可以接受。但現(xiàn)在，如果你一天就能構(gòu)建出來，然后還要等一周法務簽字，那就變成了法律合規(guī)瓶頸。設計也會成為瓶頸，其他環(huán)節(jié)也一樣。

所以我經(jīng)常思考，未來的軟件工程團隊會如何組織。但我不認為自己已經(jīng)知道答案。

不過，我越來越多地在組建非常小的團隊，可能是一到十個工程師。這些人通常是通才型、高上下文、高授權(quán)的工程師。團隊會被給到一組非常寬的護欄，然后他們就可以在這個范圍內(nèi)瘋狂推進、構(gòu)建并發(fā)布代碼，甚至推動一些傳統(tǒng)上不屬于工程范疇的決策，比如寫營銷文案。

假設你有一個團隊，它需要軟件工程、產(chǎn)品管理、一點服務條款、一些營銷文案、一些設計。也就是說，這個團隊需要五種職能，但只有兩個人。

那么按照定義，或者用“鴿巢原理”來說，這兩個人里的每一個人都必須承擔不止一個角色。

好消息是，我不覺得自己是一個很好的營銷人員。但當我使用AI時，我仍然不是一個好營銷人員，只是和沒有AI助手相比，稍微沒那么差。

所以我發(fā)現(xiàn)，這種小團隊很有效：成員是高上下文的通才，技術(shù)能力很強，同時能夠使用前沿技術(shù)，在其他角色上也承擔一部分工作。

比如，坦率地說，所有工程師都可以用AI起草一版服務條款，然后再交給律師，讓律師最終潤色后發(fā)布。我發(fā)現(xiàn)這些流程能讓團隊移動得快得多。這一點非常令人興奮。

Harrison Chase：這些人的理想背景是什么？他們本來就是工程師嗎？還是來自其他學科，然后第一次學習寫代碼？你觀察到的情況是什么？

吳恩達：我最密切合作的很多人，確實擁有很深的工程和技術(shù)背景。同時，他們也被充分授權(quán)，是略帶通才屬性的人。他們會進入其他角色，并在AI的支持下獲得混合技能，而這些技能可能原本并不是他們受過訓練的領(lǐng)域。

我認為人們可以從任何方向成功轉(zhuǎn)型。我見過產(chǎn)品經(jīng)理在寫代碼方面變得強很多，然后參與到這類團隊中。

不過，因為AI編程本身和工程關(guān)系很深，工程師在理解前沿技術(shù)上可能天然有優(yōu)勢。所以我最常看到工程師成功扮演這種角色。

但也確實有少數(shù)產(chǎn)品經(jīng)理能做到。我也見過營銷人員以非常有效的方式學習寫代碼。還見過運營人員開始構(gòu)建越來越多產(chǎn)品。

我認為任何背景的人都有可能學會做很多這類事情。但目前做得最好的最大群體，似乎仍然是工程背景出身的人。

不過，我們鼓勵來自任何背景的人都嘗試看看，自己是否能扮演這些角色。

如何進入AI軟件工程領(lǐng)域

Harrison Chase：對于那些想進入這種新軟件工程領(lǐng)域的人，你有什么建議？比如有哪些工具值得嘗試，應該具備什么心態(tài)，或者應該學習哪些技能？

吳恩達：我最近在用一種方式思考軟件工程的未來，這是我腦子里的一個心智模型。現(xiàn)在有很多工具提供商，提供各種構(gòu)建模塊，比如RAG、智能體框架、評估工具、護欄等。這些都是AI構(gòu)建模塊。

同時，也有很多非AI構(gòu)建模塊，比如用戶界面組件、身份認證機制、前端和后端、持久化數(shù)據(jù)庫等等。

所以我認為，在計算機科學里，我們一直都有一套非常棒的構(gòu)建模塊。而隨著智能體式編程的發(fā)展，構(gòu)建模塊正在快速增加，因為越來越多人在構(gòu)建開源模塊、專有API模塊，或者其他類型的構(gòu)建模塊。所以我們周圍有很多非常棒的構(gòu)建模塊。

我發(fā)現(xiàn)，如果開發(fā)者能夠很好地掌握足夠多的構(gòu)建模塊，他們通常就可以用組合的方式，把這些模塊快速拼裝起來，構(gòu)建軟件。

你可以想象用樂高積木搭東西。如果我手里只有一塊白色樂高積木，我能搭一些東西，但不會太有意思。但如果我再加入黑色、黃色、棕色、綠色的積木，再加上一些形狀奇特的樂高零件，那么隨著我擁有的樂高積木種類變多，我能搭出的東西會以組合式方式增長，甚至呈指數(shù)增長。

我認為，我們現(xiàn)在能使用的很多構(gòu)建模塊，也有類似效果。

我發(fā)現(xiàn)，那些開發(fā)者如果能很好地理解這些構(gòu)建模塊能做什么，就會變得非常強。

現(xiàn)在編程智能體面臨的一個問題是，很多構(gòu)建模塊太新了，以至于編程智能體并不知道該如何使用它們。

舉個例子，直到最近，很多領(lǐng)先編程智能體所基于的模型，知識截止時間都早于nano-banana發(fā)布的時間。所以它們并不知道nano-banana存在，也不知道如何調(diào)用nano-banana API。

AI正在如何改變教育

吳恩達：我們正在嘗試很多方式來改善教育體驗。就培訓內(nèi)容而言，已經(jīng)很明確的是，人們需要學習的東西發(fā)生了顯著變化。對于開發(fā)者來說，他們需要學習編程智能體，學習這些構(gòu)建模塊，也許還要學習一些產(chǎn)品管理，或者類似的通用技能，讓自己更有效。

但除了“學什么”之外，還有“怎么交付培訓”的問題。我們思考“如何學習會被改變”已經(jīng)很久了，但感覺真正的變化其實還沒有完全到來。

坦率地說，我們現(xiàn)在每天仍在迭代和改進這些體驗。

Harrison Chase：你剛才說可以點擊視頻并輸入內(nèi)容，這個功能現(xiàn)在已經(jīng)上線了嗎？還是一個未來方向？

但那種更大的教育變革，我確實花了很多時間在思考。

企業(yè)AI采用：哪些有效，哪些還不夠

Harrison Chase：從軟件工程擴展到其他領(lǐng)域，你如何看待企業(yè)采用AI？它比你預期更快還是更慢？正確的方式是什么？大家可以從中學到什么？

有一些一致的主題。

幾乎所有企業(yè)都投資了自下而上的創(chuàng)新，也就是所謂“百花齊放”的策略。但總體來看，這種策略的回報并不明顯。所以CEO和董事會都在問：AI的ROI在哪里？

我認為我們?nèi)匀粦摾^續(xù)投資自下而上的創(chuàng)新，應該繼續(xù)做。但事實是，自下而上的創(chuàng)新通常會產(chǎn)生點狀解決方案，帶來漸進式效率提升。這其實是好事，但它不是AI曾經(jīng)承諾給我們的那種更廣泛的轉(zhuǎn)型，而我認為我們應該努力交付這種轉(zhuǎn)型。

我用一個例子說明。我的團隊正在和多家銀行合作。

吳恩達：我們在金融服務領(lǐng)域做了很多工作。以貸款承銷流程為例，它可能有五個步驟：營銷貸款產(chǎn)品、接收申請、審核并批準貸款、做最終盡職調(diào)查，以及執(zhí)行貸款。

很多團隊注意到，中間的貸款審批環(huán)節(jié)可以用AI來做。如果我們能自動化這個環(huán)節(jié)，那么原本需要人花一小時審查貸款申請，現(xiàn)在可以由AI來完成。這很好，我們當然應該做。

但問題是，如果你的整個貸款承銷流程保持不變，只是把原來一小時的人力工作自動化了，那這只是一個小的、漸進式效率提升。

所以有些銀行會說，既然如此，我們不如重新思考整個工作流，推出一個“10分鐘內(nèi)獲批”的貸款產(chǎn)品。

因為我們不再需要等一個人一周之后才有一小時空閑去審查申請，我們可以馬上把貸款申請發(fā)送給AI，讓它立即做出決策。但在很多企業(yè)里，真正實施這種變化的挑戰(zhàn)在于，它需要一個擁有更大范圍權(quán)限的人，重新思考和重新設計整個工作流。

因為現(xiàn)在你要營銷一個“10分鐘獲批”的產(chǎn)品。你需要把申請立即路由到審批環(huán)節(jié)，而不是一天后再處理。營銷、數(shù)據(jù)、基礎設施都需要參與進來。是的，AI可以做初步?jīng)Q策。但最終盡調(diào)和執(zhí)行環(huán)節(jié)可能也需要擴展能力。

所以我發(fā)現(xiàn)，自下而上的創(chuàng)新非常有價值，它會產(chǎn)生很多想法。但它必須和自上而下的動作結(jié)合起來，也就是需要有人擁有更廣的視野和權(quán)限，能改變所有這些步驟的運作方式，從而真正創(chuàng)造增長。很多企業(yè)都在談降本。

降本沒問題，值得做。但我更想推動大家想象一些AI能做的更有想象力的事情，也就是推動增長。

因為我們能節(jié)省的錢總是有限的，但增長幾乎沒有實際天花板。所以我發(fā)現(xiàn)，更令人興奮的想法通常和推動業(yè)務增長有關(guān)，而不只是節(jié)省成本。

Harrison Chase：你有沒有看到一些通過AI推動業(yè)務增長的好案例？有沒有哪些案例讓你特別興奮，或者你覺得其他人應該關(guān)注和學習？

吳恩達：有。剛才銀行的例子就是真實案例。我們正在和一些銀行、金融機構(gòu)合作做這件事，其他企業(yè)也在做類似的事情。

另外一個模式是客戶服務和呼叫中心?？蛻舴蘸秃艚兄行耐ǔ１灰暈榻当緢鼍?。降本當然不錯。但當你能自動化客戶服務，或者自動化、增強其中一部分時，你就能更快服務更多客戶，從而提供更令人愉悅的客戶體驗，并推動增長。

我也和一些企業(yè)交流過，它們正在自動化drive-through的語音應用，也就是汽車穿梭餐廳的點單流程。我認為這同樣能帶來更好的客戶體驗，并推動增長。

所以我看到經(jīng)濟中不同地方正在出現(xiàn)越來越多這樣的例子。

還有一些我知道的案例，但我沒有權(quán)限公開講。不過，基于我看到的企業(yè)正在做的事情，我非常有信心，未來會出現(xiàn)越來越多這樣的案例。

如何衡量ROI

Harrison Chase：你剛才提到了ROI。根據(jù)我昨天和今天的很多交流，我知道很多人都在思考這個問題，也在思考如何衡量ROI。在一些場景里，比如成本節(jié)省或者呼叫中心，也許比較容易衡量。但你會如何建議大家思考ROI衡量？有什么建議嗎？

吳恩達：我希望我知道答案。我發(fā)現(xiàn)，挑戰(zhàn)可能在于企業(yè)非常多樣化。所以衡量ROI就像衡量業(yè)務本身一樣，很難有一個放之四海而皆準的答案。不過有一點是，我最興奮的那些項目，通常是可以衡量的，也應該被衡量，值得被衡量。

有些事情，我們需要“全力揮棒”，去創(chuàng)造非常大的價值。

在這種情況下，我們討論的就不是“這會不會帶來2%的增長，再減掉1%的實施成本”。有些項目的價值非常明顯，會顯而易見地改變業(yè)務。

當然，我們?nèi)匀恍枰饬克?，尤其是如果你是一家上市公司?/p>

但我學到一件事：有時候，推動漸進式收益反而比推動轉(zhuǎn)型式收益更難。如果你告訴某人，明年把業(yè)務結(jié)果提升2%，他可能會覺得，好吧，老板就是讓我多努力2%或5%。

但如果你要尋找能帶來20%或50%業(yè)務增長的方法，你不可能讓全公司每個人都多努力50%。你必須提出更有創(chuàng)造力的解決方案。

這經(jīng)常會帶來新的思路。

我在AI Aspire學到的一點是，很多企業(yè)真的會發(fā)給我們一張表，里面有幾百個想法。

比如有一家金融機構(gòu)給我們發(fā)了一張超過300個想法的表格，讓我們幫他們判斷，在這些想法中哪些值得真正投入資本。

事實證明，這個分析非常困難。我希望自己足夠聰明，能一眼掃過去就說，這個想法好，那個想法好。但面對這么多想法時，通常需要進行自上而下和自下而上的頭腦風暴。

這需要大量技術(shù)分析，判斷哪些事情在技術(shù)上可行；也需要大量業(yè)務分析，判斷哪些事情可能帶來有意義的變化。

最后需要把這些想法縮小到少數(shù)幾個值得投入重要資源的賭注上。

Harrison Chase：這類“全力揮棒”的項目，你通?？吹剿鼈兪亲陨隙峦苿拥?，對嗎？

吳恩達：沒錯。我認為企業(yè)最好不要只做一個瘋狂的大賭注，而是形成一個由少數(shù)幾個經(jīng)過深思熟慮的賭注組成的組合。如果其中任何一個成功，都會對業(yè)務產(chǎn)生有意義的影響。

不過，智能體式編程讓我很喜歡的一點是，我們可以運行大量實驗，不斷做原型。原型開發(fā)的成本已經(jīng)大幅下降。

但遺憾的是，你不可能做所有事情。比如在10萬美元預算下，你不可能什么都做。到某個階段，對少數(shù)幾個項目組合中的每一個投入有意義的資源，是合理的。

也正因為在這個級別上需要資源分配，所以往往需要更多自上而下的動作，來配置所需資源。

駐場工程師是炒作還是真實需求

Harrison Chase：最近關(guān)于企業(yè)采用AI，有一個被頻繁討論的話題是Forward Deployed Engineer，也就是前線部署工程師。未來每家公司都會有FDE嗎？你怎么看？為什么你認為他們這么有影響力？未來會如何發(fā)展？

吳恩達：在硅谷的流行語里，F(xiàn)DE確實正處在一個高關(guān)注時刻。我知道Aaron前一兩天也在臺上非常深入地談過這個話題。我認為FDE是一個很好的想法。

很多企業(yè)都會需要這種角色。但展望未來，你覺得一家公司里FDE的數(shù)量，和公司雇傭的普通AI工程師數(shù)量之間，會是什么比例？

我認為，大多數(shù)企業(yè)會擁有更多內(nèi)部工程師，同時可能嵌入一小支FDE團隊。所以我喜歡FDE，也對這個角色的增長感到興奮。我們應該幫助更多人獲得FDE工作。

但我也認為，和很多事情一樣，圍繞它的hype可能比現(xiàn)實情況略高。不過它確實是一件好事。

構(gòu)建智能體工作流是很難的。它需要理解業(yè)務，需要面向客戶的能力。為了讓系統(tǒng)可靠，通常還需要做好可觀測性、評估，與客戶合作，判斷某些需求在技術(shù)上其實不可行，并和利益相關(guān)方一起決定應該自動化哪個工作流，還要幫助企業(yè)完成變革管理。

所以這是一個非常有價值的角色，需要很深的技術(shù)判斷。讓FDE嵌入企業(yè)，確實可以大幅加速項目。

但我也看到很多企業(yè)面臨另一個挑戰(zhàn)：有沒有可能獲得一個供應商中立的FDE？

這其實很難，取決于你想讓哪些供應商真正嵌入你的企業(yè)。因為我們在AI領(lǐng)域看到，領(lǐng)先模型變化非常快。

我不知道一年后領(lǐng)先的AI模型會是什么。我也完全不確定一年后領(lǐng)先的編程智能體會是什么。

所以在這種不確定時刻，選擇權(quán)非常有價值。

坦白說，很多供應商都會來找我們的企業(yè)，提供20%、30%的折扣，但條件是簽三年合同，類似這種。

我不是在給建議，只是說我自己怎么做。無論對方提供多大折扣，我個人幾乎從不簽超過一年的合同。因為我非常重視這種選擇權(quán)，希望一年后可以和當時最好的供應商合作，而現(xiàn)在我并不知道那會是誰。

當我們和FDE合作時，企業(yè)會問的一個問題是：如果你讓某家公司派來的少數(shù)幾個FDE嵌入你的公司，并讓他們把所有東西都深度綁定到某一個AI模型或某個平臺上，這會在一兩年后多大程度上降低你的選擇權(quán)？

構(gòu)建Agent之前，先做好數(shù)據(jù)戰(zhàn)略

Harrison Chase：說到供應商中立，尤其是在模型層面，過去幾天我們也多次談到開源模型。你怎么看這些模型的發(fā)展？你如何看待它們和前沿模型之間的關(guān)系？

吳恩達：這件事很有意思。開放權(quán)重模型似乎一直穩(wěn)定地落后前沿模型大概六到九個月。但前沿模型足夠昂貴，所以在很多使用場景里，我的團隊也會大量使用開放權(quán)重模型。有時候我們會做微調(diào)，有時候不微調(diào)。所以我希望大家能繼續(xù)支持開放權(quán)重模型。

過去兩周，我聽到白宮方面出現(xiàn)了一些讓我擔心的聲音，比如在模型發(fā)布前進行檢查。我對此其實非常擔憂，也和政府里的一些朋友保持溝通。

我感覺，針對開源模型和開放權(quán)重模型的戰(zhàn)爭仍然在繼續(xù)。有時候它以“美國與中國競爭”的名義出現(xiàn)，有時候則以其他各種理由出現(xiàn)。

但我認為，如果我們能共同保護開源和開放權(quán)重模型，這會讓世界變得更豐富，也會幫助我們所有人保留選擇權(quán)。

Harrison Chase：我和一些人討論過一個問題：在圍繞數(shù)據(jù)構(gòu)建Agent之前，先把數(shù)據(jù)戰(zhàn)略做好非常重要。當你和那些正在構(gòu)建Agent的公司合作時，它們大概率也希望這些Agent以某種形式連接到數(shù)據(jù)。你看到哪些做法比較有效？這些要求最終可以歸結(jié)為什么？

吳恩達：這是一個很好的問題。在AI Aspire和大型企業(yè)交流時，一個非常常見的痛點是：它們需要重新思考數(shù)據(jù)架構(gòu)。過去10年、20年里，我們投入了大量精力來組織結(jié)構(gòu)化數(shù)據(jù)，比如表格、關(guān)系型數(shù)據(jù)、電子表格。這當然很好，現(xiàn)在也依然重要。

但如今AI可以處理非結(jié)構(gòu)化數(shù)據(jù)，比如文本、圖片、PDF文件、音頻，也許還有視頻。如何組織這些數(shù)據(jù)，讓它們能在正確的時間、正確的位置被AI或Agent使用，并創(chuàng)造價值，突然變得比過去重要得多。

我也花了很多時間觀察這個市場?，F(xiàn)在有很多供應商開始談如何處理非結(jié)構(gòu)化數(shù)據(jù)，但我還沒有找到一個真正讓我特別滿意的好方案。

所以在我的團隊里，包括AI Fund和AI Aspire，我們正在做一堆有點瘋狂的實驗，嘗試重新架構(gòu)我們自己的數(shù)據(jù)。如果這些實驗真的有效，我之后可能會講更多。

但我確實花了很多時間思考，如何重新架構(gòu)我們內(nèi)部的非結(jié)構(gòu)化數(shù)據(jù)，讓這些數(shù)據(jù)能在合適的時間交給Agent使用。

我預見到，就像很多企業(yè)過去曾經(jīng)面對非常大的結(jié)構(gòu)化數(shù)據(jù)架構(gòu)問題一樣，未來幾年，很多企業(yè)也會出現(xiàn)非常大的數(shù)據(jù)架構(gòu)改造項目。規(guī)模可能達到數(shù)千萬美元，甚至數(shù)億美元。目標是重新思考數(shù)據(jù)架構(gòu)，讓數(shù)據(jù)變得更AI-ready，或者說更agent-ready。

非結(jié)構(gòu)化數(shù)據(jù)與

即將到來的架構(gòu)重構(gòu)

Harrison Chase：現(xiàn)有數(shù)據(jù)架構(gòu)的問題在哪里？為什么它們還不夠AI-ready或agent-ready？

吳恩達：問題很多。首先是碎片化、治理問題，數(shù)據(jù)到處都是，沒有統(tǒng)一的共識模式。有些數(shù)據(jù)甚至還放在某個人的筆記本電腦上。

還有權(quán)限問題。很多權(quán)限系統(tǒng)原本是為人類設計的，而不是為Agent設計的。那么Agent是否繼承我的權(quán)限？我們?nèi)绾喂芾碇卫砗涂捎^測性？

我覺得我們都見過這種情況：很多企業(yè)有大量PDF文件，堆在巨大的存儲桶里，過去20年都沒人看過。在金融服務領(lǐng)域，很多文檔是出于合規(guī)原因被保存下來的。以前沒人有時間看這些東西，所以看它們沒什么意義。但現(xiàn)在，如果讓AI去整理和分析這些內(nèi)容，就會變得非常有價值。

原視頻鏈接：

https://www.youtube.com/watch?v=OaRhpwz_TGM