银行与能源公司 agent 落地实录:上线难在数据与流程治理
bigdata · x · 2026-11-18
Gradient Flow(Ben Lorica)基于银行、公用事业、制造、零售等行业真实 agent 部署的调研长文:
- 核心发现:把 agent 送上生产环境,往往依赖 AI 热潮之前就投入的数据治理、流程文档化与内部系统升级——难点在运行而非构建
- 限权而非限推理:生产级 agent 靠清晰边界运行。Duke Energy 用 agent 协调电网规划的工程仿真,工程师做决策;DBS Bank 用 70–80 个专用 agent 链准备信贷备忘录,人负责最终分析
- 两条老规则依然成立:硬约束放进软件层,按需给自主权
- Lyft 的补充:过度脚本化的工作流会挡住开发者未预料的情况,Lyft 将涉欺诈/安全等敏感问题路由给人工而非全程规定步骤
- 作者提醒:多数公开成果来自厂商或企业自身,数字需保持怀疑
所属事件:调研称 AI Agent 落地瓶颈在数据治理而非模型(2 条相关)→
「编程与Agent」频道最新
- 开发者用 Blender+three.js 搭出 Kasane Valley,晒 GPT 6.2 工作流 — OpenAIDevs · 2026-11-18
- Cognition 发布 Devin Bots:一个 Bot 带一组智能体,周合并数千 PR — marvinvonhagen · 2026-11-18
- 用户公开喊话 Chase,附「给 AI agent 看」的图片描述求转人工处理 — AaronBergman18 · 2026-11-18
- Anthropic 拆解智能体记忆组件: dreaming 扩到 128 会话,25 题得分 13%→48% — dl_weekly · 2026-11-18
- 10 人两周写出 1.5 万条端到端测试,靠的是一套 Siri 自动化系统 — jdluk87 · 2026-11-18
- Derive MCP 上线:31+ 工具让 AI 助手直接交易期权与永续合约 — modelcontextprotocol · 2026-11-18