这场对话发生在MLOps.community的播客录制现场。
两位嘉宾分别是Prosus集团全球AI与数据科学负责人Euro
Eat
/>
就在几天前，Prosus刚刚宣布已在其全球生态系统中部署了37,000个AI智能体—这个数字在2025年7月时的目标还是30,000个，而当时他们只有18个。
与此同时，Just
Eat在2026年1月推出了AI语音助手，并在英国开始试点配送机器人。
两家公司都在用不同的方式，探索同一个问题：当AI工具从少数技术团队的专属，变成全员标配时，如何治理？
模型的能力远远超出了人们的使用方式
三年前，CTO的工作还相对简单。
Mert回忆说："你的核心职责就是为公司提供功能性需求——来自产品部门、市场部门或其他任何部门。
同时你要负责平台的稳定性和可扩展性。
"
ChatGPT的出现改变了一切。
"你突然意识到，这不只是为业务提供某个功能或特性了。
你还需要帮助整个业务完成一次巨大的转型——思维方式、工作流程、工作方法都需要改变。
"
他在公司全员大会上的表态很直接："你们必须使用这些工具。
这没有选择余地。
因为不是AI会取代你，而是会用AI的人会取代你。
如果你不使用这些东西，你失去的不只是工作，而是整个职业。
"
这种推动见效了。
Just
Eat目前有超过95%的工程师每天都在使用AI编码工具。
六个月前他们做过一次统计，估算有30-40%的生产代码是AI生成的——尽管这个数字很难精确测量，因为有建议、复制粘贴、还有其他工具的使用。
但Mert坦诚地说："现实是，我们并没有看到30%的速度提升。
因为软件开发不只是写代码，还有很多其他环节。
"
瓶颈在对齐，不在键盘
"我有个笑话，我总是说瓶颈通常在对齐环节，而不是真正动手敲键盘的环节。
对齐花的时间要长得多。
"
Euro补充道："代码编写只是公司工作流程中的一个环节。
如果你看整个公司，工程部门做很多事情，包括编码。
有一群人是代码的贡献者，但这种自动化——或者说智能体式的改进——可以应用到组织的每个角落。
"
他指出，编码之所以是相对容易推进AI的领域，是因为"软件开发是一个被充分理解的学科。
有学校、培训、编码工具，有最佳实践，人们大致知道怎么做，别人也能判断做得好不好。
"
但组织中还有极长的长尾场景——Euro称之为"微小的总可寻址市场"。
"编码是一个大的总可寻址市场，而在一个组织内部，你有成千上万个微小的总可寻址市场，每个市场可能只有1个或10个人。
他们可以用这些工具让工作更有影响力，可以更快、更好，或者符合任何你想要的指标。
"
他举例说："市场部门可能有三个人在某个问题上挣扎，他们一遍又一遍地重复同样的事情。
现在他们可以做得更快，然后去做别的事。
如果我不在那里，我怎么发现这个问题？没办法。
这不像编码，我们知道好的标准是什么。
在这里我不知道什么是好的，只有他们知道。
他们是唯一能够把某些东西组合起来，让自己工作变得更好的人。
"
30,000个智能体不是技术目标，是文化变革
2025年7月，当Prosus宣布要在年底前达到30,000个AI智能体的目标时，很多人觉得这个数字很疯狂。
那时候他们只有18个。
Euro解释说："让我们回过头来想想，为什么这是个好主意，即使它看起来有点傻。
我认为这是个非常好的主意，因为它与变革管理有关。
它与智能体本身的关系不大，更多的是关于让每个人都能移除他们对智能体的心理障碍。
"
问题的根源在于：尽管他们早在2024年3月就推出了智能体构建工具Toqan，这个平台具备所有功能——可以连接MCP、可以连接几十个内部系统——但使用量在一段时间后停滞了。
"只有技术人员在用。
所有其他人都认为这是工程师的工具，工程师才能创建智能体。
所以我们得等他们来帮忙。
"
他们必须打破这个认知障碍。
方法就是坐在市场部门、人力资源部门的人旁边，在30分钟、15分钟内创建智能体——不是一周。
"一旦你经历了这个过程，你就会说，'哇，就这样？创建一个能带来改变的自动化就需要这么点？'是的，就这么点。
在这个时间点上就是这么简单。
"
一旦有人创建了对自己有帮助的自动化，他们会告诉其他人。
这种机制形成了知识的渗透，让每个人都能创建智能体。
"我们不知道这些智能体有多有用，有多好。
我们之后会关注这个。
首先，我们要确保每个人都感到自在，在非常具体的边界内——你可以做你想做的事。
有非常强的安全条款，但在这些条款内，每个人都被鼓励尽可能多地实验，这样他们就能成为这些工具的主人。
这不是工程工具，是每个人的工具。
"
一旦达到那个状态，就可以开始关注哪些是好的智能体，如何让它们更好，然后如何改变最初产生低效的流程，如何改变组织。
"如果你没有让每个人参与进来，很难做到这一点。
所以，30,000个智能体实际上意味着这是一个变革管理过程，是一个文化过程，是一个组织的事情，与技术本身无关。
"
大胆的目标制造好奇心
Mert对这个策略表示认同："我非常喜欢这个方法。
有两件事。
第一，你提出了一个大胆的想法，没人能忽视，这在人们心中制造了一个问号——那是什么？为什么是30,000？我该担心吗？我该去培训吗？你创造了需求，创造了期待，你可以在人们心中制造一个问号。
"
"如果你不够大胆，不够有挑战性，人们很容易就继续往前走，忽略它，专注于自己的工作。
"
他用自己8岁女儿学习阅读来类比："我的KPI是她每天读多少页。
我实际上不在乎她读的是不是我想让她读的故事，但在这个阶段，我想让她阅读，想让她理解，想让她变得更好、更舒服。
然后当她变得更舒服时，我们再讨论她应该从中获得哪些故事、哪些价值观。
"
"但现在，类似于Euro做的事情，你需要创造对正在发生的事情的第一层理解，每个人都需要强迫自己跳上那条船。
如何从中获得最大价值是下一个阶段。
"
/> 工具必须立即有用，否则就不该做 但这种全员推进会不会给员工造成负担？毕竟每个人都很忙，要在已经很满的日程中抽时间学习新工具，即使知道以后可能会让生活更轻松，但前期的痛苦还是很难接受的。 Euro对此有截然不同的看法："我认为这是完全错误的思考方式。 这些工具只有在对你立即有帮助时才会被使用。 没有办法把这些工具强塞到人们喉咙里。 顺便说一句，这些是聪明的同事，他们知道如何工作，已经在优化自己的工作，一直在处理低效问题。 它必须对你有益，而且你必须是认识到这一点的人。 如果不是这样，你一开始就不应该做。 做对自己没帮助的事情没有意义。 " 那么组织能做什么？"我们能做的是确保达到那个点的障碍尽可能低。 这意味着工具有效。 它们能访问你拥有的所有知识库。 防止你犯大错误——所以你有边界条件。 提供例子——其他人做了什么。 所以障碍应该非常非常低。 但一旦障碍低了，唯一有意义的是，如果你创建的东西对你有帮助。 如果没有帮助，你就不应该做。 " "是的，可以这里那里测试一下，但这就是为什么我们甚至不考虑为此分配特殊时间。 这不应该是必要的。 它应该是立即有用的。 否则你实际上会制造摩擦，然后你就得处理摩擦，然后你就有了所有其他的讨论。 所以我认为这不是个好主意。 " 他们还通过游戏化来认可优秀的工作。 "我们有这个项目，叫做Prous Talent——我想是这个名字——是围绕《创智赢家》设计的，是一场竞赛。 现在在整个集团开始，每个人都创建智能体，每个月会有一个委员会选出最好的智能体，在整个集团发布，让每个人都知道。 然后会有一个高潮，到3月会有一个大活动，会有一个获胜智能体的大选拔，获胜者将在硅谷待一周，还有很多其他的。 " "这样做是有原因的，因为它对你有影响，但也是你知道会被其他人认可的事情。 所以你需要很多这样的东西，但把这变成一个单独的创新项目的想法，我认为这不是个好主意。 " 治理必须实用，不能只是官僚主义 对于30,000个智能体(现在已经是37,000个)，治理是个不可避免的话题。 Mert的观点是："治理通常在人们感觉不到，但它在某种程度上保护他们，而不会给人们带来太多痛苦或麻烦的时候才有效。 显然这取决于领域。 " 对于软件工程师，如果是生成代码或审查代码，就需要有技术或工具集来治理你的智能体在做什么。 "应该有其他智能体或人来治理正在发生的事情，这样才能让软件工程师更灵活、更自信。 所以你需要构建这些东西。 " "你不能只是把治理当作一个谷歌表单，每个人在做事之前都需要提交，或者数据保护官需要批准用例。 那是官僚主义，当然也是需要的，别误会我的意思，在需要的情况下也是需要的。 想法是我们如何构建治理，让人们感觉不到有治理在发生，或者让人们很实际地理解，好吧，他们问这些问题或有这些边界或限制是为了保护我或保护业务不受这些情况影响。 " 在AI炒作的早期，他们在工具选择上几乎没有治理，"因为有太多工具可用于市场、销售和其他东西。 用不了6个月就意识到每个人都在不互相沟通的情况下购买工具，甚至不同部门以不同的合同、不同的价格购买同一个工具。 " 但他们也不想减慢人们采用或尝试这些东西的速度。 "肯定是有成本的，通常技术部门要承担成本，确保这些东西是安全的，或者有适当的采购。 但你只是想让他们尝试，6个月、8个月后，我们开始对如何采购AI工具、如何启动、如何访问这些东西施加更多治理。 " "但你也要尝试在这些方面保持实用，你不想让人们觉得，好吧，你在扼杀业务的创新，你只是在拖慢我的脚步，你只是让我更难做，只是因为你没有预算，我们不想那样。 " 他们从几乎没有治理开始，现在正在建立更多。 "我不知道我们是否会随着时间推移走向更严格的治理。 我认为我们的方法应该更多地是自动化这些治理工具，这样你就不会感觉有人在治理或有东西在治理。 " "我们为业务构建了框架内的自治解决方案，这又取决于领域。 软件工程不同，采购不同，启动销售AI智能体完全不同，或者客户服务用例完全不同。 所以只要你务实，我认为你就能找到解决方案。 " 影子IT不是新问题，但规模变大了 一位朋友曾告诉主持人，他在数据治理岗位上的任务是检查所有正在使用的AI工具。 他以为作为一家不算很大的公司，大概有10到12个工具。 结果走访每个团队后发现有90个——而且这还不是全部，因为肯定有人在把数据扔进他们个人的Gemini账户或其他什么东西里。 Mert的回应很直接："实际上，这个问题不是从AI开始的。 我们过去也有这个问题。 自从技术开始以来，几乎每个部门都可以自己购买工具。 他们会买，然后他们就买了。 " "两三年前，当企业IT团队给我看我们从不同工具那里拥有的许可证数量，通过部门主管的信用卡支付时，简直令人震惊——而且它们的标签或域名中没有任何AI。 所以这个问题一直存在。 " 作为技术部门，他们构建的是："第一，我们如何保护自己，因为关注点是，你理解人们想让他们的组织更有生产力，尽快解决问题。 那是企业家心态，完全没问题。 但我们也有责任保护业务、客户和合作伙伴。 " "所以为此你需要有实用的政策，让人们可以遵循，至少即使他们买了什么东西，他们也可以说，好吧，我正在买这个，嘿，你想整合到我们的Okta系统或我们的安全系统吗，它在Zscaler后面还是别的什么地方。 你需要教育人们，好吧，我们知道你时不时在构建影子IT，但至少让我们帮助你，这样我们作为企业就不会有更大的问题。 " "这就是我们一直在努力做的，我认为我们更成功，因为技术也在帮助理解正在使用哪些工具。 财务报告告诉我们正在发生什么。 网络日志说，好吧，有这么多流量流向这个方向。 我们尽量不从一开始就阻止它，但我们试图教育他们来帮助我们保护他们和业务。 " 他坦诚地说："我通常对技术部门或我或我的人有一个担忧，就是我们有时会高估我们解决他们问题的能力，比如，哦，我可以解决他们的问题，我只需要再多5个工程师，或者我也可以解决市场问题。 但那不是你那5个工程师的最佳用途。 外面已经有解决方案了。 让他们把这个问题外包给别人。 我们有核心业务问题——食品配送、杂货配送——我们需要用那5个工程师来解决我们的问题。 " "如果是10万美元的花费，那就作为业务花掉。 所以这就是为什么我们需要赋予人们在给定框架内运作的能力，帮助我们帮助他们如何治理或采购或维护这些东西。 " Euro补充说："教育有很多不同的形式。 但你已经说过的一点是，这些工具会犯新的错误，但它们也可以犯我们以前犯过的大部分错误，只是在犯错方面更擅长了，因为有更多的方法可以犯错。 所以你需要确保人们意识到这一点。 " "但你也可以在不同层面采取行动。 比如，你可以在某个点上说，这种类型的数据——有一个非常具体的数据类型列表——不应该与这些工具一起使用。 就这样。 你不能去那里。 " "然后你还可以在不同的地方引入一定程度的摩擦。 比如，如果你有一个发送电子邮件的智能体，它不允许发送批量电子邮件，一次只能发送一封，而且你不允许循环它。 这样你就减少了它开始向世界发送垃圾邮件的机会。 所以有各种各样的措施可以实施。 " "如果你把它们全部实施，你就消除了所有错误，然后你实际上就没有多少这些工具的用处了。 但然后你开始剥离它们，看看什么是可接受的，什么是不可接受的。 你会达到某个点，在那里你找到了创新需求和保护组织需求之间的某种平衡。 " AI预算：单位成本在下降，但总量在暴涨 主持人提出了一个敏感但重要的问题：如何为AI分配预算？ "这是一个超级有趣和重要的点，因为我们看到两个现象。 一方面，智能的单位成本下降得非常快。 一年前做同样的事情，现在是一半、一半、一半、一半——每百万token的成本也在下降。 所以有一个对我们有利的趋势，所有这些成本随着时间推移会下降。 " "同时我们看到另一个现象，就是我们做的每件事都需要更多token，成本更高。 所以这两件事是相互对立的，总的来说，它变得更贵了。 额外的token使用过度补偿了成本的降低。 " "在那个点上，你有很多事情可以做。 一件事是优化。 到目前为止开发的许多用例都非常低效。 提示词非常大。 上下文非常啰嗦，诸如此类。 所以你需要回去重新设计事情的做法，因为否则成本会很高。 有很多技巧和启发式方法可以减少输出的token数量。 " "你开始达到这样一个点，即开源模型与更大的商业模型竞争，不是对所有事情，但对许多实际用例。 然后在那个点上，你最好自己托管整个基础设施，这是覆盖它的另一种方式。 " "但总的来说，去年不是问题，因为量很小，用例也不复杂。 现在是个问题。 " Mert同意："我的意思是，我同意。 我认为在内心深处，你相信这个投资回报总是以某种方式积极的——也许不是在一开始，因为构建了错误的智能体或购买了工具的学习曲线，但随着时间推移，随着人们学习，随着技术变得更好，采用率提高，你知道业务的投资回报会更高。 " "每个企业都想增长，我认为我们都相信AI将是企业能增长多快或能失败多快的游戏规则改变者。 所以你真的想尝试优化这些成本吗，还是确保这家公司在5年内会大两倍，或者在5年内会缩小一半？这就是担忧。 " "显然，你会随着时间优化这些东西，但我认为我们真正相信，如果人们在使用它，他们就在从中找到价值。 没有人天生就想浪费公司的钱。 他们从这些东西中得到的东西，比公司花费的要多。 显然，可能他们中的一些人没有最优化的提示词或正确的模型，但我认为这些都是非常小的单位成本。 那不是我目前最大的担忧。 " "我的担忧是，我们如何在5年内让公司增长两到三倍，以及AI将如何实现这一点。 " 核心问答 Q1：为什么Prosus要设定30,000个AI智能体这么激进的目标？ 这不是技术指标，而是变革管理策略。 核心问题是打破"AI智能体是工程师专属工具"的认知障碍。 当市场部门、人力资源部门的人也能在15-30分钟内创建自己的智能体时，他们会意识到"就这么简单？"这种认知突破会形成知识渗透，让每个人都成为工具的主人。 大胆的目标制造好奇心和问号，防止人们忽视这场变革。 Q2：影子IT问题如何解决？是严格管控还是放任自流？ 影子IT不是AI带来的新问题，过去就存在。 关键是在创新自由和风险控制之间找到平衡。 实用的方法包括：教育而非禁止，让人们理解治理是在保护他们;通过技术手段自动治理(如限制智能体权限、检测异常行为)，而不是官僚流程;接受6-8个月的试错期，然后根据实际问题收紧政策。 核心原则是"框架内的自治"——边界清晰，边界内充分自由。 Q3：AI工具的成本在暴涨，预算应该怎么规划？ 存在两个相反的趋势：单位成本(每百万token价格)在快速下降，但使用量激增导致总成本上升。 短期应对包括优化提示词、使用开源模型、自建基础设施。 但更重要的是长期视角：如果相信AI是未来5年公司增长2-3倍的关键，就不应该过度纠结短期成本优化，而应该关注投资回报率。 员工不会无故浪费公司的钱——如果他们在用，说明有价值。 />
