在被构建自主式AI的热潮冲昏头脑之前，企业需要投资于强大的数据基础，并采纳平台优先的思维方式。

自主式AI对许多企业而言已是现实，这项技术已经超越了提示词练习阶段，需要对底层技术给予清晰的关注，美国第一资本金融公司企业AI副总裁Rashmi Shetty表示。

“我们正在处理能够真正采取行动的智能体系统，”Shetty在接受采访时表示。“现在的自主式AI必须被视为端到端系统。”

Shetty领导美国第一资本金融公司内部企业平台的工程组织，在零售银行、风险管理、法务和合规等不同的业务线中推动生成式AI和自主式AI应用的落地运营。

首席执行官Richard Fairbank在7月份的美国第一资本金融公司2026年第二季度财报电话会议上表示，在智能体系统兴起之前，该行在过去的14年里一直致力于将技术“从技术栈的最底层向上”进行转型。

“我们已经在这条路上走得很远，并且我们将继续投资于一些非常强大基础能力以及AI基础设施和特定的AI体验。”他说。

目前，美国第一资本金融公司运营着内部和外部的自主式AI用例。

Chat Concierge是该行最具代表性的外部用例之一，也是其首批多智能体应用之一，在两年前就已经投入生产环境部署，这款智能体应用帮助客户顺利完成购车流程，包括联系经销商、预约试驾以及在线推进购买流程。

Shetty表示，在内部，该行部署这项技术是为了改善客户服务体验。

Shetty将该行当前能够应用具运营能力的智能体系统归功于长期以来对强大数据基础的投资，其中包括管理良好的数据流和数据血缘。

“拥有非常强大的数据基础，为智能体提供上下文就会变得容易得多。”她说。

制定清晰的部署策略

美国第一资本金融公司的下一个关键步骤是采纳平台优先的思维方式。

Shetty表示，通过编写代码化的策略与策略检查、运行时控制、合规性以及任何其他强制性的企业网络安全护栏来为智能体用例准备企业平台，可以让开发人员在安全的基础之上快速构建AI智能体。

“在构建完碎片化、临时的智能体应用之后，再去对它们进行治理和运行时安全改造要困难得多，”Shetty表示，“必须在构建智能体应用之前就想清楚这些。”

她表示，企业需要通过多种策略来计划验证其智能体系统，包括基于规则的验证、沙箱模拟和评估。

在自主式AI时代，可观测性也成为了另一个至关重要的要素。Shetty表示，可观测性使公司能够追踪多智能体工作流中的智能体轨迹、工具准确性和端到端延迟，她指出，可观测性是由深厚的领域知识所赋能的，而不是任何单一工具能够成为关键的区别制造者。

“评估能力可以带来很多方面的提升，你可以测试漏洞，防止越狱攻击，强制执行严格的合规性，”她说，“可观测性和评估是相辅相成的。”

Shetty表示，组织还需认识到，仅靠模型是不够的，围绕模型制定良好的控制框架策略是必要的，她补充说，控制框架允许企业围绕AI智能体标准化和运营控制，例如工具权限。

最后，对于高风险的操作，企业需要有计划并明确在哪些环节需要引入人在回路策略。

Shetty表示，CIO们应当自问其平台是否能够处理智能体工作负载的执行并充分理解其中涉及的风险，因为长期的成功将取决于韧性和规模。

“我们组织的核心价值观之一，就是确保智能体和生成式AI应用得到良好管理、良好治理、安全且标准化，使其既能满足美国第一资本金融公司的监管和合规需求，又能简化开发和部署的路径。”她说。

企业网D1net(www.d1net.com)：

国内头部to B IT门户，旗下运营国内头部的甲方CIO专家库和智力输出及社交平台-信众智(www.cioall.com)。旗下运营19个IT行业公众号(微信搜索D1net即可关注)。

版权声明：本文为企业网D1Net编译，转载需在文章开头注明出处为：企业网D1Net，如果不注明出处，企业网D1Net将保留追究其法律责任的权利。