人工智能具变革性，但企业AI应用失败率高。采用模式类似云原生，企业需跨越鸿沟，拥抱开发者赋能、合作与学习，应对安全、测试等挑战，实现AI原生转型。
译自：Crossing the AI Chasm: Lessons From the Early Days of Cloud
作者：Randy Bias
毫无疑问，人工智能是过去50年最具变革性的技术之一，它自上而下地触及了IT堆栈的各个方面。尽管我们仍处于炒作周期的早期阶段，但我们正目睹其广泛应用和一些早期成功。
OpenAI 及其他公司取得了令人难以置信的增长，这主要得益于开发和营销等领域的白领知识工作者的采用。然而，企业在为特定业务用例采用AI代理方面举步维艰，据麻省理工学院称，失败率高达95%。
当新的“AI原生”初创公司正在将AI和代理工作流投入使用时，企业仍在努力跨越鸿沟。这让我想起了云计算服务早期采用的挑战。
早期云采用和 AWS EC2 的兴起
在云计算的早期，我们花费了大量时间试图确定这种新架构的意义。2009年和2010年，也就是AWS EC2推出大约两年后，“云原生”作为一种架构模式尚未真正成熟。许多早期的“云计算精英”积极尝试并帮助定义了这种架构模式。
当时我们也看到了同样的模式，企业努力理解新架构，最初试图将“遗留”工作负载直接“提升和转移”到云端，而不是对其进行重构、重新平台化或重新架构。他们的早期成功主要来自于新的绿地应用程序。
跨越鸿沟花了一些时间，尽管EC2在2008年去掉了其测试版标签，但直到2015年左右才出现显著而广泛的企业采用。
我预计在跨越AI鸿沟方面，我们也将看到类似的模式。
企业如何采用新技术
大型企业很少是新技术的首批采用者。许多挑战是结构性的，例如在采购系统中添加新供应商。有些是由于人才缺口，高科技公司在劳动力市场上吸走了大量资源。其他问题包括规避风险、对新架构变化缺乏理解、安全和合规性差距以及对打包解决方案的需求。这就是为什么SaaS在企业中取得了巨大成功的原因。它将整套后台解决方案提升并转移到业务之外，使之成为其他人的问题，因此企业可以借力他人的创新曲线。
企业将如何采用AI
尽管与云原生计算架构的采用存在相似之处，但也存在一些有趣的差异将影响企业的采用。首先，由于AI可以应用于任何地方，因此它很容易应用于遗留应用程序和工作。这就是为什么我们看到如此多的开发、营销和销售团队仅仅将AI集成到现有工作流中。这通常处理的是非敏感数据，在适当的合同保证下，可以将其发送到业务范围之外。
这引出了第二点，即，与云原生应用程序一样，对AI原生和代理的全新绿地应用程序有强烈需求。早期企业采用云技术主要是通过新的绿地应用程序，这些应用程序为业务带来了即时利益并增强了竞争力。对于AI而言，这显而易见，但这些用例大多需要访问高度敏感的数据。例如，一家医疗保健企业会希望利用其庞大的患者数据储备，并将AI代理应用于电子健康记录（EHR）。如果EHR被发送到组织外部，数据泄露的风险对大多数医疗保健公司来说是不可接受的。
结果是，企业将通过现有的“唾手可得的成果”来采用AI。但对企业而言，最大的价值将来自于成功跨越鸿沟，将代理AI应用程序与最高敏感度数据更紧密地结合起来。这些代理AI应用程序的采用将是缓慢的——早期失败率将很高——很大程度上是因为我们尚不清楚正确的模式是什么。“AI原生”目前仍未明确定义。我们都在共同努力解决这个问题。
我们今天对AI原生的了解
那么，AI原生到底是什么？尽管很多方面尚不明确，但我们确实立即知道一些事情。模型上下文协议（MCP）已经成为代理工作流的通用语言，就像REST成为网络的通用语言一样。我们知道代理擅长其本职工作，而普通的离散非代理代码仍然占有一席之地。这意味着，根据定义，代理依靠大型语言模型（LLM）来实现其非确定性的“业务逻辑”，而常规代码则提供确定性的过程执行。在新的AI术语中，我们现在称之为“工具”，而MCP是将其整合在一起的事实标准。
我们知道AI原生应用程序在很大程度上也是云原生应用程序。它们具有相同的属性：横向扩展特性以及处理漂移检测等需求。出于这个原因，大多数可能都将运行在Kubernetes上，我今天看到的所有部署都强化了这一观念。AI原生似乎是云原生的演进。
我们也知道，由于AI驱动应用程序的非确定性业务逻辑，其测试将特别棘手。过去，您可能会推出一个新功能或修复一个错误，然后针对您的应用程序或网站运行一套标准测试，以确保仍能达到关键指标。代理AI应用程序中需要进行回归测试的许多内容，例如准确性和幻觉，这些是我们以前不需要担心的问题。这就是“评估”发挥作用的地方。
AI驱动应用程序的可观测性也将很棘手。大多数大规模多代理工作流路径中会有多个代理，每个代理调用一个或多个LLM，可能用于不同的目的。对所有这些进行检测并能够执行根本原因分析来排查问题将特别具有挑战性。
最后，我们知道AI原生最终必须拥有强大的护栏，并为其独特的安全和数据隐私挑战提供新的解决方案。目前，许多安全实践都是事后考虑的，但为了广泛的企业采用，我们必须重新审视并带来新的思路来解决数据泄露、幻觉、数据访问、传递性身份等问题。
跨越AI鸿沟
与云原生一样，企业在跨越鸿沟时需要帮助。他们需要被充分理解的模式、开放的解决方案、关于MCP和代理工作流的教育、强大的安全和数据隐私工具。最重要的是，他们需要勇敢的早期采用者，这些人将致力于实际的代理解决方案，以便从这些努力中学习。在我看来，这意味着三件明确的事情：
- 采用“自下而上”的方法赋能内部开发人员，就像Netflix在采用AWS并开创“云原生”时所做的那样。
- 与代理AI应用程序前沿的公司和思想领袖合作。
- 愿意学习，经常通过大胆的举动，接受风险并拥抱失败。
我们再次站在十字路口，那些早期采用者将比不采用者获得竞争优势。在我们瞬息万变的技术世界中，“适应或死亡”再次成为生存的关键词。
