围绕 AICon 深圳相关议题，企业正在从“调用大模型”走向“构建可控的 AI 执行系统”。对于数字化组织而言，Agent 体系的价值不只在于自动化能力，更在于流程治理、安全边界、工程化落地与持续运营。
今日技术观察 点击查看原文> 01 背景速览 背景速览：近期 AICon 深圳相关内容将讨论焦点放在“从大模型到 AI 执行系统”这一方向上。与单纯使用大模型生成文本或辅助问答不同，企业级 Agent 更强调在具体业务流程中完成任务编排、工具调用、数据访问与结果反馈。也就是说，大模型正在从能力组件，逐步进入企业软件、云服务、研发协作和数字化运营的执行链路。 02 趋势影响 趋势影响：这一变化可能推动企业 AI 建设从“模型能力评估”转向“系统能力评估”。企业不再只关注模型回答是否流畅，还需要关注任务是否可追踪、过程是否可审计、权限是否可控制、异常是否可回滚。对于云计算、软件开发、网络安全和开源生态而言，Agent 体系也会带来新的基础设施需求，例如统一身份认证、工具接口治理、日志监控、知识库管理以及多系统协同能力。 03 企业应用启发 企业应用启发：在实际落地中，企业可以优先从低风险、高重复、流程清晰的场景切入，例如内部知识检索、工单辅助处理、研发文档整理、代码审查辅助、客户服务支持或运营数据分析等。相比一次性追求“全自动智能体”，更稳妥的路径是先建立人机协同机制，让 AI 负责建议、归纳、检索和初步执行，由员工完成关键判断与审批。这样既能积累流程数据，也便于逐步完善 Agent 的边界和能力。 04 合规观察 合规风险提醒：企业级 Agent 涉及数据、权限和自动执行，因此不能只从效率角度评估。需要重点关注敏感信息泄露、越权访问、生成内容不准确、第三方工具调用风险、开源组件合规以及日志留存等问题。尤其在连接企业内部系统后，Agent 的每一步操作都应具备可解释、可审计和可追责机制，避免因自动化执行带来难以及时发现的业务或安全风险。 05 开放讨论 开放讨论问题：对于正在推进数字化和 AI 应用的企业来说，Agent 应该先服务于内部效率提升，还是直接嵌入客户触点？在建设可控 Agent 体系时，哪些能力应由企业自建，哪些适合依托云服务或开源工具？当 AI 能够调用系统并执行任务后，企业应如何设计审批机制、责任边界和安全策略？欢迎结合自身行业场景讨论。 公开来源参考 从大模型到 AI 执行系统：构建企业级可控 Agent 体系｜AICon深圳