AI原生应用-不是让业务人员盲目手搓IT系统原创

欢迎收听豆包AI博客节目，Hello, 大家好，欢迎收听我们的博客，呃，今天想跟大家聊一聊啊，最近非常火的一个话题啊，就是关于全员自己动手用AI来搭建系统这件事情，到底是不是真正的AI原生，那这个话题呢，其实是源于，呃，我看到有一些人他们在说啊，说他们公司用什么飞书多维表格，然后加上AI，就完全自己搭建出了内部的管理系统，那我其实是不太认同这个事情就等于AI原生的，嗯，这个话题确实挺有意思的，那我们就直接进入今天的讨论吧，我们就来聊一聊啊，这个AI原生的真正的含义到底是什么啊，这个我特别想知道，就是怎么去区分AI原生和我们传统说的这种只是用了AI的系统，其实最核心的区别就在于AI原生，它是从系统的底层设计就开始引入了这种智能的能力啊。

它的每一个关键的环节都是依赖这种机器学习，自动推理，自主决策，就它是一个从下而上的重构，而不是说我只是在一个现有的系统上面去加一个什么AI的插件啊，就说白了，AI原生是把智能融进了系统的每一根血管里，没错，对，那这个时候AI就不再是一个工具，它就成为了一个价值创造和流程运转的核心动力，那这个时候整个企业的业务模式、组织形态，甚至管理方式都会发生彻底的变化，这才是真正的智能升级。到底哪些核心能力是真正属于AI原生的这个技术范畴的呢？就是我觉得AI原生的技术应该是以大模型为核心的。然后呢，配合上这种灵活的算力的调度，配合上这种端云的协同，配合上这种实时的数据的流转，以及智能体的这种自主的决策，这几个层面是缺一不可的，听起来好像每一层都很关键，没错，对，就是不光是要让数据能够在这个系统里面自动的流动起来，形成这种自增强的闭环，包括这个智能体之间的这种协作，包括人机的这种高度的配合，以及这个系统的这种持续的进化，都要依赖于这些底层的能力才能够真正的实现。哎，那你觉得就是要打造一个真正的AI原生的业务系统和进行这个数据分析推理，这两个事儿分别最关键的前提是什么？嗯，其实我觉得AI原生的业务系统，首先，第一你要有非常完善的智能体的管理机制，就这个智能体，它到底要去执行什么样的任务，他要去操作什么样的数据，它的这个任务流是怎么配置的，这些都要有很完善的定义。

并且是可以动态调整的，就想让每一个环节都能够自动的配合起来，对，没错没错，然后同时呢，就是企业里面的这些业务的经验，要能够很好的整理成这种知识库，配合上这个权限的控制，配合上这个数据的治理，配合上这个精益的工作流，才能够真正的实现智能的协作和这个高效的流转，那至于说这个数据分析和推理呢，就一定要有这个统一的。

高性能的这种数据的接入和模型的管理，以及完善的这个反馈和治理的机制，才能够保证这个数据的质量和这个智能的决策是靠谱的。我们来进入第二个主题啊，就是说业务人员手搓系统的局限，那其实我想先问一个问题，就是企业it系统其实是分成不同的类别的，那不同的类别如果是业务人员来自己搭建的话，会遇到哪些麻烦？呃，企业it系统其实可以分成两类啊，一类是。核心业务系统，那比如说像ERPCRM这种，那另一类呢，就是部门内部的，或者说一些临时的小工具，那比如说像一些数据统计啊，或者是说一些简单的审批啊这种，那如果是核心业务系统的话，业务人员自己来搭的话，就会遇到比如说业务逻辑很容易遗漏啊，然后跟原有的系统很难去打通啊，数据的安全性和合规性也很难保证啊等等的一些问题。那如果是小工具的话，那可能就是说短期是可以的，但是长期的维护啊，以及升级啊都是没有人管的，那可能用着用着就出现各种兼容的问题啊等等的，对，就是说听起来好像业务人员自己动手，虽然说快，但是风险和隐患其实不少，对，没错，没错，所以就是说，呃，业务人员用这种AI来做一些这种简单的工具是可以的，但是如果是关键的系统，还是需要技术团队来做把控，就是要找到这个效率和风险之间的这个平衡点，就是说。

你觉得现在这种AI编程，它到底最适合哪些场景，或者说它有哪些明显的短板？Ni编程其实特别适合那种就是逻辑比较简单，然后独立的，不怎么需要跨很多系统协作的这种小工具小应用，那这个时候业务人员可以很快的用起来，那一旦这个事情变得复杂了，比如说涉及到很多系统之间的交互，或者说涉及到一些很复杂的业务规则，那这个时候AI就很容易出现一些问题，比如说他理解不了一些很模糊的需求啊，他很容易产生一些安全漏洞啊等等的，所以就是说关键的环节还是需要技术人员来把最后一道关，OK, 对，就是AI它只是一个提效的工具，而不能完全取代专业的开发，你觉得就是说业务人员如果要自己用AI来搭建系统的话，它最需要警惕的是什么？就是我觉得他们可能会很快的把这个东西做出来，满足了当下的一个需求，但是他其实背后没有一个统一的规划和标准，那之后就会导致这个。

系统越来越难以维护，然后数据的安全性也没有保障，也很难去扩展，就听起来好像很容易，就是短期省了劲，长期埋下一堆雷，对，就是这样。所以就是说最好的方式还是让业务人员用AI来做一些这种边缘的小的工具，那核心的系统还是要技术团队来做。

那这个时候大家把这个边界和这个协作的流程定义清楚，才能够真正的做到又快又稳。我们要聊的第三个部分就是数据基石，也就是数据层面AI原生的前提。OK, 那我们先来问第一个问题啊，就是说企业要真正的进入到这个数据原生的阶段，它需要具备哪些基础的条件，其实最基本的就是要把企业内的各类数据都统一到一个规范的数据模型里面，对，就不会出现说同一个东西在不同的系统里面有不同的标准。那这个数据肯定是要非常非常高质量的，就是它的准确率要非常非常高，然后它的实时性也要非常非常大，大到可以支撑复杂的AI的运算，OK, 那这个是基础，就是原来数据的标准和质量是一切的起点，没错，然后另外就是说这个数据的血缘要非常的清晰，就是每一条数据你都可以追踪到它的源头，它的每一次变化，那这样的话，你这个数据才是一个可以信赖的数据，另外就是说你还要有非常完善的数据治理的机制。

就是你要定义好谁可以用什么数据怎么用等等等等，那当然就是说你的这个数据既要保证安全，又要保证合规，同时还要有专业的团队和自动化的工具来对这个数据进行持续的维护和优化。如果企业没有把数据做好，就盲目去上马这个AI项目，会有什么样的结果？最直接的就是你这个AI模型会学到错误的东西，对，然后他会把一些本来是噪声的东西当成信号，对，那你这个预测呀什么的就会完全不靠谱，那可能你的这个项目就会拖很久，甚至直接就黄了，就是说这个这个叫什么数据基础没打好，后面就步步都难行，没错。然后另外就是说数据质量不好，还会导致你的这个。AI系统做出一些错误的决策，那这个就会让业务的团队对这个AI完全失去信心，另外就是说你如果说要临时去补救这个数据的话，花的钱也是非常非常多的，而且你很有可能就错过市场机会了，或者说你遇到一些合规的风险，那你这个企业可能就会在竞争当中非常的被动。那现在就是说数据在这个AI原生里面是扮演一个什么样的角色，就是数据已经变成了这个智能系统的一个发动机，就没有这些高质量的数据持续的去喂养这个系统，那所有的算法和算力都是摆设，对，就根本跑不起来。所以说这个数据的质量是直接决定了这个AI发展的天花板，对，没错，没错，对，所以说企业想要真的用好AI，想要真的让这个AI成为你业务的原生的动力，那你必须要在数据的智力。

数据的工程上面下苦功夫，对，你要把你的数据变成资产，然后才能够让这个AI真正的帮你产生价值。今天咱们聊了这个全员用AI来搭建系统的这个热潮，然后也聊了这个数据原生的这个真正的含义，其实说白了就是企业要找到最适合自己的数字化的路径，才能够真正的把AI变成自己的核心竞争力。对今天的分享就到这里啦，然后感谢大家的收听，咱们下期再见，拜拜。