以智能体AI（Agentic AI）正崛起为下一代企业创新的核心，但有分析指出，决定成败的关键并非华丽的技术，而是“数据基础”。这意味着，如果企业未能提前整理和连接数据，即便AI引入的讨论已全面展开，也难以转化为实际成果。
谷歌云人工智能及数据解决方案企业66degrees的首席执行官本·凯斯勒（Ben Kessler）近日在谷歌云Next活动现场表示：“智能体化企业的核心，不在于‘做什么’，而在于‘如何做’发生了改变。”他强调，AI和数据技术发展得越快，企业吸纳技术并将其转化为实际业务变革的能力就越发重要。
这一言论出自他与北美最大家族式食品分销企业Gordon Food Service的首席信息官布伦丹·邦休伊斯（Brendan Bonthuis）的对话。两家公司多年来共同构建数据基础设施，并因此得以更迅速地应对近期蓬勃发展的智能体AI潮流。
Gordon Food Service：在AI热潮前已做好数据整合准备
布伦丹·邦休伊斯评价称，引入智能体AI与以往的数字化转型性质不同。由于目前尚无人拥有超过十年的智能体AI运营经验，因此相比于寻求已被验证的标准答案，与值得信赖的合作伙伴共同减少试错的方法更为重要。
他特别指出，Gordon Food Service在AI热潮兴起前，就已搭建基于谷歌云平台的数据平台，这是其核心竞争力。能够快速收集各种格式的数据，并将其汇聚于一处以便利用的设计，如今正发挥巨大效用。
邦休伊斯表示：“当时虽也认为这是个好的判断，但现在看来这个选择更有意义。这个基础虽不能保证成功，却是至关重要的一步。”这显示出智能体AI并非简单的模型接入项目，而是取决于企业能否便捷地访问和连接其内部数据。
提升生产力而非“替代人力”……企业AI战略也随之改变
66degrees将智能体AI的价值定位为“扩大业务能力”而非“削减人力”。凯斯勒表示，公司顾问正利用AI代理极大地提升生产力，并借此实现转型：并非用同样的人数做更少的事，而是创造更多成果。
他关注的是，AI代理并非要消除员工角色，而是成为补充现有人力、提升业务处理量和速度的工具。在实际企业中，随着对生成式AI的关注从实验阶段转向业务自动化和决策支持，“增强人的技术”这一解读正比“减少人的技术”获得更多认同。
这一趋势也与近期企业AI市场的方向相吻合。大型语言模型本身的竞争越激烈，在实际场景中，内部数据一致性、系统互联性以及安全体系等，正取代模型性能差异，成为更重要的引入变量。最终，智能体AI也极有可能进一步拉大已构建数据基础的企业与未构建企业之间的差距。
AI竞争，终究是准备充分的企业领先
此番言论表明，智能体AI时代的胜负并非取决于最尖端技术的引入宣言，而是很大程度上在更早的数据基础建设阶段就已决定。虽然市场目光聚焦于AI代理本身，但实际上是那些整合了数据、提升了数据可访问性的企业，才能率先取得成果。
随着智能体AI的全面普及，企业间的差距预计将更加泾渭分明。对于准备充分的企业，这是生产力扩大的机遇；但对于数据基础薄弱的企业，它可能只是另一个流行词。当前企业需要审视的，并非新的AI工具，而是支撑这些工具运作的“数据基础”是否已经具备。
TP AI注意事项 本文基于TokenPost.ai语言模型进行摘要。正文主要内容可能存在遗漏或与事实不符的情况。