Agentforretningen

Agent Enterprise repræsenterer en grundlæggende ændring i, hvordan firmaer bruger AI. Den flytter fra passive værktøjer, der kræver konstant menneskelig vejledning, til autonome agenter, der føler, begrunder og handler på egen hånd, mens de forbliver i overensstemmelse med menneskelige hensigter. Det er en organisation, hvor personer, agenter og platforme samarbejder i styrede forretningssystemer om at levere resultater, som ingen kan opnå alene.

Dette dokument er en ledsager til den godt oprettede ramme. Rammens fem søjler – Trust, Pålidelighed, Operational Excellence, Ressource- og omkostningsoptimering og Fairness – udgør den grundlæggende vejledning, der gælder for alle Salesforce-løsninger. Denne oversigt forklarer, hvad der ændres, når løsninger bliver agentiske, og fører dig til detaljerne søjle for søjle.

Agentiske systemer kombinerer store sprogmodeller, hentningsforøgelsesgenerering, funktionskald og orkestreringsmønstre for at oprette funktioner, der tilpasser sig konteksten i stedet for at følge stive programmerede stier. Agenter kombinerer sandsynlighedsmæssig logik (LLM-afledning) med deterministisk kørsel (arbejdsflows og orkestrering) for at aktivere både tilpasning og styring.

For arkitekter introducerer denne adfærd designovervejelser på tværs af hver søjle. Agenter fungerer med ikke-deterministisk adfærd i deres argumenteringslag, hvilket kræver nye mønstre for pålidelighed, overvågning og kontrol. Agentautonomi kræver forbedrede sikkerhedsgrænser og oversyn af mennesker i løkken. Koordination med flere agenter opretter ny kompleksitet, der kræver bevidst orkestrering. Agentic Enterprise føjer ikke blot AI-funktioner til eksisterende arkitekturer – det omdanner, hvordan systemer designes, implementeres og administreres.

Gennemført korrekt, opretter denne kombination reel forretningsværdi: agenter håndterer komplekse arbejdsflows med flere trin, der tidligere krævede menneskelig intervention, syntetiserer oplysninger på tværs af kilder og skalerer ekspertise på tværs af organisationen. Den introducerer også udfordringer, der kræver bevidst design. Ikke-deterministisk adfærd komplicerer test, overvågning og fejlhåndtering. Autonomi rejser spørgsmål om kontrol, ansvarlighed og sikkerhed. Omkostningsstrukturer skifter fra fast infrastruktur til forbrug af variabelafledning. Architekter skal afbalancere autonomi mod risiko, innovation mod kontrol og kapacitet mod omkostninger.

En grundlæggende forskel i agentisk arkitektur er, om en agent assisterer et menneske (copilot mønster: foreslå, anbefale, kladde) eller handlinger autonomt (agentmønster: beslut, køre, fuldføre). Kopiloter kræver menneskelig godkendelse for tilstandsændringshandlinger. Agenter fungerer uafhængigt inden for tilladelsesgrænser. Denne forskel bestemmer Trust, behov for observation og overvågningsmønstre. Flytning fra assister til handlinger er et arkitektonisk skift, ikke en konfigurationsændring – det kræver genevaluering af hver søjle gennem linsen for autonom betjening.

Agentvirksomheden er en organisation, hvor personer, agenter og platforme samarbejder i styrede forretningssystemer om at levere resultater, som ingen kan opnå alene. Denne tredelte model formaterer enhver arkitektonisk beslutning:

Mennesker giver overvågning, dømmekraft og intervention, når agentens evner mangler, eller når det kræver menneskelig ansvarlighed. Med menneske-agent-samarbejde kan personer fokusere på dom af høj værdi, mens agenter håndterer rutinemæssig kørsel og informationssyntese. Mennesker forbliver i kontrol på systemniveau: de definerer grænserne, og agenter beslutter og reagerer inden for dem.
Agenter leverer intelligent automatisering, naturlige sproggrænseflader og adaptiv beslutningstagning. Agenter er ikke enkeltstående funktioner, men integrerede deltagere i forretningsarbejdsflows. De føler kontekst fra styrede data, argumenterer om relevante handlinger ved brug af sandsynlighedsteknikker og deterministiske teknikker og reagerer gennem forretningsarbejdsflows og eksterne integrationer.
Platforme leverer den administrerede infrastruktur, der gør agentarbejde muligt – akkumuleret forretningslogik, forenede data, orkestrering og samarbejdsinfrastruktur. Platformen adskiller agentmæssige systemer på virksomhedsniveau fra ikke-administrerede AI-eksperimenter: det håndhæver tilladelser, vedligeholder revisionsspor, anvender overensstemmelsesregler og bevarer agenter i organisationsstyring.

Fjern personer, og du mister ansvarlighed. Fjern agenter, og du mister intelligens. Fjern platforme, og du mister styring. Agent Enterprise kræver alle tre som et forenet system.

Enhver agentarkitektur – på enhver teknologisæt – skal levere et fælles sæt af funktioner. En agent har brug for betroede data til at forstå, forretningslogik, som den kan reagere sikkert gennem, styring over sin egen livscyklus, en fælles forståelse af, hvad data betyder, og en sti til at eskalere til mennesker. Dette er arkitektoniske krav, ikke produkter: hvor Salesforce leverer en del af stakken, kræver de resterende funktioner stadig opmærksomhed.

Salesforce leverer disse funktioner som et integreret sæt. Hvis du behandler dem som et system, bliver afhængighederne eksplicitte: svække nogen, og agenter er begrænset på en forudsigelig måde. Dette afsnit beskriver hver funktion, hvorfor den betyder noget for agenter, og hvordan Salesforce leverer den.

Agenter kræver administrerede, bekræftede data for at begrunde effektivt – AI-modeller kender mønstre fra træningsdata, ikke et firmas kunderegistreringer, produktkatalog eller transaktionshistorik. Denne funktion lukker dette hul ved at basere agenter i data, der er nøjagtige, tilladte, aktuelle og sporbare, snarere end vilkårligt webindhold eller ikke-bekræftede kilder.

Nuværende driftsdata giver mulighed for tidsfølsomme beslutninger: en handelsagent, der svarer “Hvad er min ordrestatus?”, en serviceagent, der viser åbne sager, eller en salgsagent, der rangerer salgsmuligheder, der lukker dette kvartal.
Historiske data – f.eks. store datasæt i Data 360 – understøtter tendensanalyse, prognosticering og læring fra tidligere mønstre.
Federeret adgang giver agenter mulighed for at tænke på tværs af data, uanset hvor de befinder sig. Den reducerer dubletter for tilsluttede kilder og præsenterer en forenet visning.

Salesforce leverer dette gennem Data 360-porteføljen.

Arkitektonisk betydning: Agentkvalitet afhænger af datakvalitet. Invester i dataadministration, klassificering og afstamning. En agent, der viser forkerte data, ødelægger Trust hurtigere end en, der siger “Jeg ved ikke”.

En agent, der kun kan besvare spørgsmål, er en copilot. En agent, der kan oprette registreringer, opdatere salgsmuligheder, sende kommunikation og udløse automatiseringer, er autonom. Denne autonomi giver agenter mulighed for at agere snarere end blot at hjælpe – det kalder eksisterende, velprøvede forretningsprocesser i stedet for at genimplementere dem i genereret kode.

Agenter oversætter naturlige sproghensigter til standardforretningsdrift i stedet for at kræve, at brugere skriver kode.
Agenter uddelegeres til indkapslede processer med flere trin (f.eks. et refusionsforløb, der håndterer kreditkontroller, lageropdateringer og adviseringer).
Efterhånden som forretningsregler udvikles, overtager agenterne ændringerne automatisk – forudsat at logikken findes i arbejdsflowet og ikke afspejles i agentinstruktioner.

Salesforce leverer denne funktionalitet gennem Customer 360-forretningslogik og platformsautomatisering.

Arkitektonisk betydning: Design agenter til at kalde eksisterende arbejdsflows, ikke erstatte dem. Agenter, der kalder bevist automatisering, er mere pålidelige end agenter, der genimplementerer forretningslogik gennem genereret kode.

Agenter har brug for styring fra udvikling gennem implementering, overvågning og tilbagetrækning. Uden den opretter ikke-administreret agentudbredelse skygge-AI: agenter med uklare tilladelser, ingen revisionsspor, ikke-testet adfærd og ukendt udgift. Denne funktion sikrer, at agenter opbygges med guardrails, implementeres gennem godkendelsesportaler, overvåges for afvigelse og trækkes tilbage, når der ikke længere er brug for det.

Udviklingsværktøjer genererer indledende konfigurationer fra naturlige sprogbeskrivelser og håndhæver vagtstænger (tilladelsesvalidering, underagentomfang) på designtidspunktet.
Kørselsorkestrering administrerer agentkald, tilladelseshåndhævelse, revisionslogføring og fejlhåndtering.
Genanvendelige funktioner gør det muligt for teams at indføre agenter og handlinger, der er bygget på forhånd – herunder lodrette, domæneekspertfunktioner – i stedet for at opbygge hver agent fra bunden.
Sessionsobservation lagrer agentinteraktioner, begrundelsestrin og resultater til analyse, fejlfinding og forskydningsregistrering.

Salesforce leverer denne funktionalitet gennem Agentforce Studio, Agent Fabric og AgentExchange.

Arkitektonisk betydning: Behandl agenter som administrerede aktiver, ikke engangsscripts. Styring på systemniveau forhindrer agentudvidelse.

Agenter, der forespørger på data, skal forstå semantik: hvad “omsætning” betyder, hvilket felt der er “kundenavn”, hvordan tabeller relateres. Uden en delt semantisk definition genererer agenter forespørgsler, der bruger de forkerte felter, forkert fortolker nuller eller overtræder forretningsregler. Med en forespørger hver agent gennem administrerede definitioner og returnerer ensartede, korrekte resultater – med regnskabskalender og omsætningsgenkendelseslogik, der findes i definitionen, ikke i agentmeddelelser. Dette lag fungerer i platformens oprindelige sikkerhedsmodel: Adgang styres af platformens egne kontroller på rækkeniveau og feltniveau, ikke genimplementeret i det semantiske lag. Som resultat er agenter bundet af de samme datatilladelser, som platformen håndhæver.

Salesforce leverer denne funktionalitet gennem Tableau Semantics, et styret semantisk lag, der er integreret med Tableau Next og Data 360.

Arkitektonisk betydning: Definer det semantiske lag, før du implementerer analytiske agenter. Agenter, der forespørger på rå tabeller, skaber styringsmangler og inkonsekvente resultater.

Fuldt autonome agenter uden menneskelig tilsyn skaber overensstemmelsesrisiko, ansvarsmangel og brugermisbrug. Denne funktion bevarer mennesker i kontrol: Agenter eskalerer, når de er usikre, anmoder om godkendelse af handlinger med stor påvirkning og forbliver gennemsigtige om deres argumentation.

Godkendelsesarbejdsflows gør det muligt for agenter at anmode om, at der foretages menneskelig sign-off, før de udfører efterfølgende handlinger (udstedelse af en refusion, lukning af en salgsmulighed, sletning af data).
Bevarende interaktionshistorik logfører hensigt, data, der er åbnet, begrundelsestrin og udførte handlinger – hvilket muliggør revision, fejlfinding og kontinuerlig forbedring.
Eskaleringsmønstre videregiver til menneskelige specialister med fuld kontekst, når en agent mangler tillid eller rammer en kant.

Salesforce leverer denne funktionalitet gennem Human-in-the-Loop-godkendelses- og eskaleringsarbejdsflows med vedvarende, reviderbar interaktionshistorik.

Arkitektonisk betydning: Design eksplicitte eskaleringsregler på forkant. Definer, hvilke beslutninger der kræver menneskelig godkendelse – økonomiske tærskler, handlinger, der ikke kan fortrydes, regulerede data – og implementer disse arbejdsflows, før du implementerer autonome agenter.

Disse funktioner er afhængige af hinanden. En agent trækker på betroede data til at basere sin argumentation, handler gennem forretningslogik, fungerer under livscyklusstyring, forespørger gennem delt semantik og eskalerer til mennesker, når der er behov for det. Fjern betroede data, og agenter hallucinerer; fjern forretningslogik, og de kan kun besvare, ikke reagere; fjern styring, og de udbredes til skygge-AI; fjern delt semantik og deres forespørgsler afviger; fjern menneskelig eskalering, og de handler uden opsyn. En API-første forbrugsmodel – Salesforce Headless 360 – giver agenter mulighed for at nå disse funktioner gennem ensartede programmeringsgrænseflader (API, MCP og CLI) i stedet for at integrere separate systemer en efter en.

Pillerne i den veludformede struktur forbliver grundlaget for agentsystemer – agenter fungerer stadig inden for styringsbegrænsninger, kræver korrekt adgangskontrol, har brug for overvågning, forbruger ressourcer og betjener brugere rimeligt. Start fra vejledningen for kernesøjler, og anvend derefter de agentmæssige overvejelser, som hver søjles følgesvend tilføjer.

Vejledning i grundlæggende søjle:

Trust – Delt ansvarsmodel, adgangskontrol på fire lag (org/object/field/record), kryptering, OAuth-forløb, revisionsspor, overensstemmelsesstrukturer
Pålidelighed – styringsbegrænsninger med en anbefalet driftspuffer (70 %-loftet er en bredt citeret bedste praksis for fællesskabet, ikke en officiel Salesforce-specifikation), asynkron behandling, afbrydere, kapacitetsplanlægning, mønstre for flere organisationer, katastrofebehandling
Operational Excellence – Begivenhedsovervågning, Proactive Monitoring, DevOps-praksisser (kildestyret udvikling, CI/CD), automatisering, hændelsesstyring, DORA-metrikker
Ressource- og omkostningsoptimering – SOQL-optimering, data-skew-forebyggelse, kodeorganisation, emballagestrategier, ydeevneovervågning, TCO-modellering, opbygning kontra køb, licensoptimering, omkostningsovervågning
Retfærdighed — tilgængelighed (WCAG 2.2 AA), ikke-diskriminerende mønstre (delingsregler, FLS), integritetsarkitektur, styring af AI-etiske aspekter

Kerne Trust mønstre (Delt ansvar model, mindste rettigheder, kryptering, OAuth) forbliver grundlæggende. Agentiske systemer tilføjer:

Agentidentitet og godkendelse – agenter kan bruge JWT-baseret godkendelse i stedet for statiske API-nøgler, hvilket aktiverer revisionsspor pr. agent og detaljeret tilladelsessporing
Brugeridentitetsudbredelse – når agenter kalder eksterne systemer på vegne af en bruger og udbreder brugerens identitet (ikke kun agentens), så downstream-systemer håndhæver tilladelser på brugerniveau og revisionsspor
Tilladelsesgrænser – mindste rettigheder for agenter, tilladelsesovertagelse fra den løbende bruger, eksplicitte agenttilladelser og validering ved uddelegeringsgrænser
Godkendelsesarbejdsflows for handlinger med stor virkning eller uigenkaldelige handlinger og regulerede data – personligt tilpassede beslutninger
Forklarbarhed – agenter forklarer deres argumentation, citerer kilder til faktiske påstande og gør de data og handlinger, de har foretaget, gennemsigtige
Overensstemmelse for autonome systemer – overholde risikoklassificeringen i EU’s AI-lov (forskel mellem begrænsede og højerisikoanvendelser) og sektorspecifikke bestemmelser som f.eks. HIPAA og lov om funktionelle finansielle tjenester; opretholde en streng samtykkestyring for agentstyret behandling

Hvorfor det betyder noget: Agenter, der reagerer autonomt uden de rette Trust, skaber sikkerhedssårbarheder, overtrædelser af overensstemmelse og brugernes mistillid. Kernepilen Trust indeholder modellen Delt ansvar og firelagsadgangskontrol. Den agentiske variant tilføjer valgfri JWT-baseret agentgodkendelse, HITL-godkendelsesportaler og forklarbarhed.

Læs mere: Agent Enterprise Trust

Kerne pålidelighedsmønstre (styringsbegrænsninger, asynkron behandling, afbrydere, kapacitetsplanlægning) forbliver grundlæggende. Agentiske systemer tilføjer:

Håndtering af ikke-deterministiske argumenter – samme input kan producere forskellige output; design for varians med konfidensscore, valideringskontrol og tilbagerulningsstrategier
Godstændig nedbrydning – når konklusionen mislykkes eller returnerer lav tillid, nedbrydes til enklere funktioner i stedet for at mislykkes fuldstændigt
Håndtering af orkestreringsfejl – arbejdsflows med flere agenter kræver fejlisolering, genprøvningsstrategier og håndtering af delvise resultater, så en specialistagent, der mislykkes, forbliver isoleret i stedet for at overlappe
Modelydeevne-SLO’er – definer acceptable forsinkelses-, nøjagtigheds- og tilgængelighedsmål for agenttjenester
Kredsløbsafbrydere til agentkoordination – forebygge overlappende fejl, når en agent oplever fejl eller for stor forsinkelse

Hvorfor det betyder noget: Sandsynlighedsagentadfærd betyder, at deterministiske pålidelighedsmønstre ikke er tilstrækkelige. Kernepilen Pålidelighed leverer asynkrone mønstre og afbrydere for eksterne integrationer. Den agentiske variant tilføjer god nedbrydning for afledningsfejl og håndtering af orkestreringsfejl for koordination med flere agenter.

Læs mere: Agentvirksomhedens pålidelighed

Kerneoperative excellence-mønstre (begivenhedsovervågning, DevOps, automatisering, hændelsesstyring) forbliver grundlæggende. Agentiske systemer tilføjer:

Agent Development Lifecycle (ADLC) – administrer agenter gennem hele deres livscyklus, fra design og test til implementering, overvågning og justering
Observation af sandsynlighedssystemer – registrer argumentationstrin, konfidensscores, tilgåede datakilder og beslutningsgrundlag, ikke kun input→output
Driftregistrering – overvågning for ydeevneforringelse fra datadistributionsvagter, ændringer af forretningsregler eller opstartsmodelopdateringer i forhold til adfærdsmæssige basislinjer
Agentversionering og -implementering – trinvis udrulning, A/B-test, tilbagerulning og versionskontrol for meddelelser og konfigurationer
Hændelsessvar for agentfejl – skelne mellem modelfejl, orkestreringsfejl og datafejl for målrettet afhjælpning

Hvorfor det betyder noget: Ikke-deterministisk adfærd gør observation vanskeligere. Kernepilen Operational Excellence indeholder begivenhedsovervågning og DevOps-praksisser. Den agentiske variant tilføjer ADLC, afvigelsesregistrering og agentspecifik observation.

Læs mere: Agent Enterprise Operational Excellence

Kerneressource- og omkostningsoptimeringsmønstre (SOQL-optimering, styringsbegrænsninger, kodeorganisation, ydeevneovervågning, TCO-modellering, opbygning kontra køb, licensoptimering, omkostningsovervågning) forbliver grundlæggende. Agentiske systemer tilføjer:

Optimering af indledningsforsinkelse – streaming-svar, parallel kørsel, cachelagring og optimering af meddelelser
Tokenøkonomi – hvert opkald, hentning og ræsonnementstrin bruger tokener; design kontekststyringsstrategier (sammendrag, selektiv hentning) for begrænsede kontekstvinduer
Optimering af hukommelses hentning – effektiv vektorsøgning og semantisk hentning, så RAG-mønstre ikke skaber flaskehalse
Fleragentforsinkelsesstyring – parallel specialudførelse, asynkron uddelegering og timeoutbudgettering for at forhindre, at sekventielle agentkæder akkumulerer forsinkelse
Agentmodularisering – nedbryd monolitiske agenter til specialiserede agenter til genbrug, uafhængig skalering og målrettet optimering
Forbrugsbaseret prissætning – i modsætning til pr. bruger-licenser skaleres agentomkostninger med brug, hvilket kræver forskellig budgettering og prognosticering
Agentarbejdsenheder (AWU’er) – måle forbrug mod det arbejde, som agenterne udfører, ikke kun rå tokenforbrug, og justere forbruget mod den leverede værdi
Byg kontra køb for agentiske kapaciteter – evaluer opbygning af differentierede kapaciteter i forhold til at indføre råvarefunktioner
Agent ROI-mål – spor forretningsresultater i forhold til agentens driftsomkostninger

Hvorfor det betyder noget: Tokenforbrug og afledningsforsinkelse er nye ressourcebegrænsninger, og agentmæssige omkostningsmodeller afviger grundlæggende fra infrastrukturomkostninger. Kernepilen leverer styringsbegrænsningsvejledning, SOQL-optimering og TCO-strukturen. Den agentiske variant tilføjer tokenøkonomi, optimering af afledningsforsinkelse, forbrugsbaseret prissætningsstyring og agentarbejdsenheder til måling af omkostninger i forhold til de udførte agenter.

Læs mere: Agentvirksomhedsressource og -omkostningsoptimering

Kerne fairness-mønstre (tilgængelighed, ikke-diskrimination, fortrolighed, AI-etisk styring) forbliver grundlæggende. Agentiske systemer tilføjer:

Forklarbarhed – agenter forklarer, hvorfor de besluttede, hvilke data de brugte, og hvilke alternativer de overvejede. (Trust søjlen dækker forklarbarhed som en revision og gennemsigtighedskontrol; Fairness dækker det som en brugers ret til at forstå en beslutning, der påvirker dem.)
Konkurrencedygtighed – brugere kan anfægte agentbeslutninger, anmode om menneskelig gennemgang og forstå appelprocessen
Bias registrering og reduktion – test med forskellige input og overvågning for uensartede resultater på tværs af demografiske grupper
Menneskelig tilsyn forholdsmæssigt til virkningen – beslutninger med høje satser kræver menneskeligt arbejde; beslutninger med lave satser kan fungere selvstændigt
Fair agentdrevne oplevelser – tjener alle brugere effektivt, uanset sprogkundskaber, teknisk ekspertise eller behov for tilgængelighed

Hvorfor det betyder noget: Autonome agenter, der træffer beslutninger, der påvirker personer, øger fairness-indsatsen. Kernepilen Fairness (Ærlighed) leverer tilgængelighedsstandarder og ikke-diskriminationsmønstre. Den agentiske variant tilføjer forklarbarhed, diskussionsevne og proportionel overvågning af mennesker.

Læs mere: Agent Enterprise Fairness

Når du arkitekterer agentiske løsninger:

Begynd her for den konceptuelle model: de funktioner, agenterne har brug for, og hvordan søjlerne gælder for agenter.
Læs vejledningen for grundlæggende tilgange, der gælder for alle Salesforce-løsninger.
Læs den agentiske søjle ledsagere for design detaljer specifikt for agenter.

Byg på gennemprøvede platformsmønstre, og håndter derefter de overvejelser, som agenter introducerer. Kernepillerne udgør grundlaget, de agentmæssige ledsagere giver detaljerne, og denne oversigt binder dem sammen.

Funktionerne og søjlerne ovenfor beskriver, hvordan du arkitekterer et agent-system. Indføring af dette system i produktion kræver en permanent styringsstruktur: et CoE (Center of Excellence). I det forenede system af mennesker, agenter og platforme giver CoE mennesker kontrol. CoE definerer agenters grænser, beslutter, hvad der når produktionen, og justerer agentarbejde med forretningshensigt og regulerende krav. En CoE er forskellen mellem administrerede agent-systemer og ikke-administrerede eksperimenter, der flytter til skygge-AI – agenter med uklare tilladelser, intet revisionsspor og ukendte omkostninger.

Autonomi gør enhver styringsbeslutning konsekvent. CoE hjælper teams med at træffe disse beslutninger med vilje og håndhæve dem ensartet i stedet for at løse dem et team ad gangen.

En CoE samler forretning, it og compliance omkring en delt uafsluttet opgave og en delt definition på klar. Dens medlemskab strækker sig over de perspektiver, som en agentbeslutning berører:

En administrerende sponsor har budgetmyndighed og rydder organisatoriske blokeringer.
Forretningsemner oversætter strategi til prioriteter og ejer tilbageholdelsen.
Et programkontor og dataforvaltere forbinder agentarbejde med bredere initiativer og vurderer dataintegritet og sikkerhed.
Arkitekter, administratorer og udviklere ejer datamodellen, integrationsmønstre og leveringskadence, og viser tekniske begrænsninger, før arbejdet begynder.

Agenter leverer, ændrer og flytter hurtigere end traditionel software. For at holde styring i overensstemmelse med levering kører CoE på en accelereret, asynkron-første gennemgangskadence. Ritmen indsnævres sammenlignet med en konventionel CoE, og asynkron gennemgang bliver standardarbejdstilstanden:

Den primære tilstand er kontinuerlig asynkron gennemgang: medlemmer forbliver justeret i en delt kanal, efterhånden som ændringerne lander, ikke kun på planlagte møder.
Ugentlige driftsgennemgange bekræfter, at ændringer i flyvningen forbliver kompatible med aktive agenter og integrationer – et hurtigere tempo end de månedlige eller kvartalsvise gennemgange, hvis leveringshastigheden var langsommere.
Månedlige strategiske gennemgange afvejer tilbageholdelsen i forhold til forretningsprioriteter og vurderer paratheden i forhold til den nuværende basislinje for datakvalitet.

CoE træffer eksplicitte beslutninger om, hvem der godkender ændringer af de objekter, felter og automatiseringer, som agenter er afhængige af, hvem der ejer prioritet, når anmodninger konkurrerer, hvornår der skal trækkes teknisk gæld tilbage, og hvilke forretningsmetrikker der definerer succes.

En agent-klar CoE styrer på tværs af hver søjle. Kernepælsvejledninger giver de grundlæggende kontroller. CoE er det sted, hvor de bliver håndhævet, observerbar praksis.

Trust – Sikkerhed på objekt-, felt- og registreringsniveau styrer de data, som agenter bruger. Adgangskontroller på agentniveau begrænser de data og handlinger, som hver agent kan få adgang til. Identitet, mindste rettighed og trusselmodellering er integreret i agentens design. Se Trust og Agent Enterprise Trust.
Operational Excellence – Sporings- og revisionslogfiler registrerer agentbeslutninger, handlinger og resultater. Overvågningsdashboards gennemser ydeevne og justering op mod mål på tværs af agentudviklingslivscyklussen. Se Operational Excellence og Agent Enterprise Operational Excellence.
Pålidelighed og Ressource- og omkostningsoptimering – Specifikation, testgenerering, feedbackkørsler og udfasning styrer den fulde agentlivscyklus. Vurderingsbegrænsning, ressourcekontroller og rettelsesstrategier indeholder effekterne af agentfejl. Se Pålidelighed og Ressourceoptimering og omkostningsoptimering.
Retfærdighed – Menneskelige kontrolpunkter gør det muligt for folk at opfange eller gennemgå efterfølgende handlinger. Eskaleringsstier og medarbejderuddannelse forbereder personer til at gennemgå og tilsidesætte agentarbejdsflows. Se Fairness og Agent Enterprise Fairness.

En CoE er klar til at styre agentarbejdsbelastninger, når disse betingelser gælder:

Politik – Adgangs- og handlingspolitikker for agenter defineres, håndhæves og kan revideres.
Observationsevne – Overvågnings- og revisionsværktøjer understøtter realtids- og retrospektive gennemgange af agentadfærd.
Sikker efter design – Sikkerhed, fortrolighed og compliance er indbygget i agentiske arbejdsflows fra starten.
Livscyklus – En struktureret proces styrer introduktion, opdatering og pensionering af agenter.
Menneskelig tilsyn – Revisorer håndterer undtagelser og bruger feedback til at forbedre agentarbejdsflows.

Bekræft disse fire grundlæggende elementer, før du implementerer din første produktionsagent:

En dokumenteret basislinje for datakvalitet, der gennemgås regelmæssigt.
En formel skemaændringsgodkendelsesproces med en navngivet ejer og registreret sign-off.
En vedligeholdt teknisk gældsfortegnelse, revideret efter den strategiske kadence.
En AI-styringspolitik, der dækker dataadgang, agentomfang og revisionskrav.

Arkitektonisk betydning: Opret CoE, og bekræft disse fundamenter, før du implementerer autonome agenter. Styring, der er indbygget fra startskalaen med agentindføring. Styring, der er justeret efterfølgende, konkurrerer med den udvidelse, den er beregnet til at forhindre.

Se også: Implementeringsgodkendelsesprocesser i guiden Operational Excellence for agentvirksomhed – tjeklisten pr. agent, gå/ikke gå, der supplerer visningen af parathed på organisationsniveau i dette afsnit.

Organisationer, der starter deres agentrejse, bør:

Begynd med anvendelsessituationer med høj værdi – fokuser på indledende agenter på arbejdsflows med tydelig ROI.
Opbyg grundlæggende kapaciteter – etabler datastyring, Knowledge-baser og integrationsmønstre.
Udvikl agentekspertise – opbyg færdigheder inden for prompt engineering og agentarkitektur, mens værktøjer med lav kode og natursprog nedsætter hindringen for adgang.
Oprettelse af et ekspertcenter – opret det ledelsesorgan, der ejer godkendelsesprocesser, sikkerhedstest og overvågning, før du anvender produktionsagenter (se Organisationens parathed: Center of Excellence ovenfor).
Iterate – planlæg en kontinuerlig justering i stedet for en perfekt indledende implementering.
Målværdi – spor forretningsresultater, besparelser og brugertilfredshed for at informere investeringer.

Agent Enterprise er en transformativ salgsmulighed for organisationer, der er klar til at omfavne AI-drevne arbejdsflows. Med et bevidst arkitektonisk design kan du realisere det, mens du administrerer risiko og kompleksitet.

Del din feedback om den veludformede ramme.