摘要：代理系统的好坏取决于其可访问的数据质量——而这些数据的有效性又取决于它们的代表性与完整性。就像人类在处理数据湖概念时遇到困难（这一概念常常变成数据沼泽），AI也可以借助一些帮助，来为大多数公司核心的数据荒野构建进行结构化。

代理系统的好坏取决于它们可访问的数据。了解为什么对不同数据源进行结构化访问是让AI代理真正有效的关键。

代理系统的好坏取决于其可访问的数据质量——而这些数据的有效性又取决于它们的代表性与完整性。就像人类在处理数据湖概念时遇到困难（这一概念常常变成数据沼泽），AI也可以借助一些帮助，来为大多数公司核心的数据荒野构建进行结构化。

代理需要广泛的访问数据才能有效

让我们从一个简单的例子开始，那就是那个臭名昭著的智能冰箱。是的，我可以问内置的AI我能用冰箱里的食材做哪些菜肴。但当我问它“今晚我该做什么菜”时，它却不知所措，开始问各种问题：你要为多少客人做饭？有素食者吗？他们喜欢什么？什么时候需要准备好？一个真正有用的“厨房助手”需要能够访问我的日程表，还应该有一些对过去事件的记忆，理想情况下甚至应该有一个评分系统（晚餐很成功，大家都喜欢）。

在这个例子中，我们可以简单地创建一个系统，将所有这些额外信息（无论是在冰箱内部还是外部的人工智能系统，都无关紧要）结合起来，并让代理系统访问所有这些信息。有了这些数据，它很可能会判断出我应该做什么菜。即使我不是专业的东道主，也没有在过去二十年里每晚都邀请客人，数据量也应该仍然可控。

代理需要上下文

在现实世界中，情况更为复杂。需要考虑的数据集更多，而且这些数据集非常庞大。试想一下，在一家大型公司中询问客户的问题并期望得到全面的回答：客服代表需要访问我的CRM、ERP、工单系统、论坛设置、通话记录以及许多其他可能包含潜在客户接触点信息的资源。你甚至可能希望加入一些公开可用的信息。

有了这些数据，客服人员可以基于所有相关数据源做出深思熟虑的决策。许多公司，包括您的CRM、ERP、工单系统（以及上述所有系统）都在试图向您推销特定工具的AI功能。上述例子已经说明了为什么花费大量资金将众多独立的AI添加到所有工具和数据源中可能不是一个明智的选择。当然，它们可以帮助您操作这些工具，但只能利用其内部可用的孤岛中的数据，因此他们的洞察力非常有限。

另一方面，你的数据平台供应商现在会说：为什么不直接将所有这些数据复制到我们的系统中，然后由我们的AI来处理呢。然而，通过这种复制方式，你不仅浪费了时间和空间，更重要的是，你无意中失去了结构和元信息。结果永远不会像代理能够访问原始数据源时那样好。

代理需要集成良好的数据

在继续这个想法之前，让我们快速看一下内部结构：代理是如何从所有这些信息中获益的？代理并非独立工作的，而是利用更专业的代理，有时也利用被称为“工具”的不太具有代理性的系统。

这些工具提供信息或处理父辈代理不知道如何完成的任务。还记得早期聊天机器人无法做数学运算吗？如今，它们会寻求一个能够正确进行数学运算的工具。同样地，在我们上面的例子中，代理会寻求一个知道如何获取客户完整信息的工具。请注意，这个工具不仅仅提供对CRM和其他系统的直接访问。为什么？因为代理根本不在乎你使用哪些系统来存储客户的各个部分信息。它只需要获取关于客户的信息（而且是所有信息！），以便能够以整体视角继续完成工作。

如果这听起来有点像数据集成挑战，那是因为它确实如此。对于真正强大的代理，我们需要为它们提供正确的工具：这些工具能给它们提供所需的信息，而不仅仅是对数据源的或多或少盲目的访问。

那曾经是，现在仍然是数据工程的工作。我们有时能否让另一个AI来处理这些事情？当然可以！但对于那些经常需要定期获取的信息（比如：我们对这位客户了解多少），花额外的时间并为我们的AI代理提供适当的信息视图是非常值得的。因为代理需要做的基础工作越少，它就能更专注于真正的工作，就像我们人类一样。

就像之前一样，从数据平台中移除数据集成也能让你的投资在未来得到保障。这样一来，当你更换票务系统时，只需调整中间层的集成工具即可。数据网格依然活跃且运行良好——优质数据不仅让人类更高效，现在还能帮助代理更好地完成工作。

来源：卓越方达科技