摘要：我们所知的互联网正在经历一场关于其使用方式和预期效果的重塑。几十年来，我们一直使用带宽、速度和正常运行时间等指标来衡量互联网性能。但代理式AI（能够代表我们做出决策和执行任务的自主软件代理）的出现，正在开创一个这些指标已不再足够的新时代。随着AI代理与人类一起
代理式AI重塑互联网。旧指标不足，需关注数据质量验证、弹性及端到端容量规划。新指标包括数据新鲜度、来源追踪和决策就绪数据，确保AI代理高效可靠。
译自：Agentic AI Is Quickly Resetting the Internet
作者：Mike Hicks
我们所知的互联网正在经历一场关于其使用方式和预期效果的重塑。几十年来，我们一直使用带宽、速度和正常运行时间等指标来衡量互联网性能。但代理式AI（能够代表我们做出决策和执行任务的自主软件代理）的出现，正在开创一个这些指标已不再足够的新时代。随着AI代理与人类一起成为互联网“用户”，它们正在为所依赖的网络和数据引入新的标准。
对于企业而言，这意味着思维模式的根本转变。这不再是购买更多带宽或更快的服务器，而是关于协调一个由经过验证的数据、弹性服务路径和动态容量组成的完整生态系统，以满足永不休眠、永不减速的智能代理的需求。
随着AI代理作为“数字公民”就位，以机器速度进行行动、决策和交易，挑战在于确保网络、数据及其提供的服务能够胜任。随着这一转变，确保性能和准确性的关键指标将包括：数据质量的验证、弹性以及容量规划的演进。
在代理式AI时代，数据质量是至关重要的。AI代理依赖数据流来做出决策和自动化流程。如果数据不完整、过时或不准确，后果可能会非常严重，从误导性的商业行为到财务损失。
考虑一个负责实时验证跨多个银行系统交易的金融服务AI代理。即使只有一个数据流延迟或损坏，结果也可能导致交易中止、合规性失败，甚至错过欺诈检测。执行此类复杂操作不仅需要更多数据，还需要更好的数据。为了信任自动代理操作，企业不仅需要知道数据是什么，还需要知道它来自哪里，以及它是否可以被信任。
多年来，网络运营商和企业一直通过正常运行时间（uptime）和可用性（availability）等指标来跟踪互联网性能。随着代理式AI系统协调跨越数十或数百个外部API和服务的复杂、相互依赖的工作流，弹性和正常运行时间将变得越来越关键，也越来越复杂。
与遵循预定工作流的传统服务不同，许多现代AI代理被设计为动态确定自己的路径来完成任务。在复杂的企业环境中，这可能导致比传统服务架构指数级更错综复杂的依赖关系网络。
代理将利用的数据源数量可能因操作而异。代理专注于为特定提示生成答案：它到达目标所走的路径会变化，并且代理的设计者将不可能使用单点指标来监控、验证或管理性能。
想象一个由AI驱动的欺诈检测系统，它必须实时聚合来自多个来源的信息，以标记可疑交易。任何单一故障点，例如API缓慢、配额问题或瞬态网络中断，都可能导致连锁中断，可能使整个检测过程受到损害。
在这种相互依赖的架构中，延迟也变得至关重要。对于代理式AI，即使是几毫秒的延迟也可能意味着错失机会或操作失败，尤其是在金融或实时合规等领域。
在传统的互联网范式中，容量规划是为了确保有足够的带宽或计算能力来满足需求。但在代理式AI的世界中，容量必须被视为一个端到端的服务交付链，不仅包括原始连接性，还包括从数据源到代理的整个路径，途经所有验证、支付网关和边缘计算节点。
以银行的后端系统为例。为了每秒支持数千个客户查询和监管检查，仅仅购买更多带宽已不再足够。银行必须优化其服务交付链中的每个环节，建模使用模式，预测需求高峰，并确保没有单一瓶颈（即使是远在世界另一端的瓶颈）能够减缓整个过程。
动态、预测性伸缩是新的口号。就像Netflix等流媒体平台根据预期需求将热门内容预加载到边缘服务器一样，组织将需要为AI代理工作流预取或动态分配资源，以确保无缝性能，即使在意外激增期间也是如此。
如果说互联网的架构一直具有内在弹性，那么改变的是我们如何使用它以及我们对它的期望。AI代理将推动从基本的正常运行时间（uptime）和带宽转向关注数据质量、服务弹性和端到端保证。
组织将需要开始衡量全新的性能指标：数据新鲜度和来源追踪、多源验证率、代理工作流完成时间以及跨服务依赖健康分数。具有前瞻性思维的企业可能会超越传统的99.9%正常运行时间SLA，转向“决策就绪数据”协议——确保当AI代理需要行动时，所有必需的数据源不仅可用，而且是最新的、经过验证的和值得信赖的。
结果将是组织关注的一系列新问题：不仅仅是“它是否正常运行？”，而是“它是否正确、是否快速，以及我是否可以信任它进行关键操作？”在代理式AI时代，这不仅仅是维持系统运行；而是关于确保正确的数据在正确的时间、每次都到达正确的代理。随着AI代理越来越深入地集成到业务流程中，这些新指标将定义新的竞争力和可靠性水平。
来源：夏琳科技观察