“推倒重来”：软件厂商在AI智能体上犯下的一个错误

Hyland CEO指出，企业引入AI智能体无需“推倒重来”重建业务，而应保留现有技术栈，通过自动化非结构化数据处理来提供关键的上下文支持并实现治理。

译自："Blowing things up": The one move vendors got wrong on AI agents

作者：Frederic Lardinois

几乎所有的企业软件厂商现在至少在一点上达成了共识：AI智能体的实用性完全取决于它们所获得的上下文。

但共识似乎也就到此为止了；真正的争论在于你如何获取这些上下文。

Hyland 首席执行官 Jitesh Ghai 给出的答案是，你不需要通过推倒并重建你的公司来获取这些上下文。

在本周于佛罗里达州举行的 CommunityLIVE 2026 大会上，这家企业内容管理厂商发布了一系列支持 Ghai 论点的平台更新。首先，该公司宣布其 Enterprise Context Engine（企业上下文引擎）和 Enterprise Agent Mesh（企业智能体网格）正式商用，并推出了 Agent Lifecycle Management（智能体生命周期管理）以及其 Content Innovation Cloud（内容创新云）的全新无头（headless）模式，这将允许智能体直接与其服务进行交互。

Ghai 的主张使 Hyland 与让企业为智能体做好准备的传统套路背道而驰。

“有很多人在说，你需要彻底重新审视所有的业务流程……才能让你的企业实现智能体化。这就是我所说的‘推倒重来’，我认为这完全没有必要。事实上，我认为这是不妥当的。”

在上周大会前接受 The New Stack 采访时，Ghai 表示：“有很多人说你需要上下文，而如果你想要上下文，就必须把所有数据迁移到云端。还有很多人说，你需要彻底重新审视所有的业务流程，并在整个企业范围内推动变革管理，以实现企业的智能体化。这就是我所说的‘推倒重来’，我认为这完全没有必要。事实上，我认为这是不妥当的。”

图片来源：Hyland。

他的替代方案是保留现有的技术栈。“如果你想要上下文，你必须在组织现有的基础上满足它，而不是将自己重塑为一个新的组织，”Ghai 说道。“上下文是指结合你现有的系统、现有的企业内容、现有的数据以及组织现有的业务流程来理解你的组织。”

几乎所有的企业厂商——不仅是在内容管理领域——现在似乎都认为，上下文是将 AI 演示与受监管企业真正可以运行的实际应用区分开来的关键。

例如，OpenText 已将其 Content Cloud 定位为企业智能体的上下文层。与此同时，Box 正在努力成为企业内容枢纽。在当下，整个领域都将上下文视为护城河。

虽然 Hyland 在其细分领域之外可能不是一个家喻户晓的名字，但该公司表示其收入已远远超过 10 亿美元，并拥有约 1.5 万名客户。

正如 Ghai 所指出的，这些客户集中在医疗保健、保险、银行和政府等受监管的行业——在这些行业中，非结构化文档对于公司的运营至关重要。Ghai 在数据管理厂商 Informatica 长期担任首席产品官后，于 2024 年 5 月加入 Hyland 担任首席执行官，他为这家核心资产为非结构化内容的公司带来了结构化数据的背景。

Hyland 首席执行官 Jitesh S. Ghai（图片来源：Hyland）

Hyland 似乎专注于自动化介于文档和决策之间的大部分体力劳动。Ghai 借用数据管道领域的“提取-转换-加载”（ETL）专业术语，将其称为“人工 ETL”。

“所有这些类型的工作负载都是我所说的‘人工 ETL’，”Ghai 告诉 The New Stack。“这是人们在花费宝贵的人力资本时间，也就是他们宝贵的时间，进行提取、转换、加载和解读。

“为什么会这样？因为以前你无法为非结构化数据赋予结构。但现在你可以了。”

他认为，这些行业中的知识型工作者目前大约要花费 20% 到 40% 的时间在那种以文档为中心的行政工作上。

Ghai 还认为，70% 到 90% 的企业数据是非结构化的，并且对 Hyland 有利的是，其中大部分都存在于内容管理系统中。在大语言模型的作用下，他认为这些内容最终将变得易于处理，并使员工能够专注于更重要的任务。

“通过以内容为驱动的智能体企业，我们希望将工作的乐趣重新带回来，”Ghai 说道。“我们想要消除行政负担。”

Hyland 专注于的一件事是让企业轻松过渡到智能体时代。这里的第一层是 Hyland 的 Content Innovation Cloud，这是一个深入现有系统的内容联合层。在此基础上，该公司应用 AI 对非结构化文档进行结构化，并构建知识图谱。结合来自第三方系统的结构化数据，这便构成了 Hyland 的内容和数据织网。

现已正式商用的 Enterprise Context Engine 是 Hyland 对该上下文层的称呼。这是一个受监管的环境，用于内容策划、知识丰富化，以及由医疗保健、保险、金融服务、教育和政府等行业特定本体（ontologies）所塑造的知识图谱。

“如此多的项目之所以失败，是因为人们对底层数据的复杂性认识不足。”

Ghai 表示，这种本体是大多数厂商低估的部分。

“如此多的项目之所以失败，是因为人们对底层数据的复杂性认识不足，”他说道。“这不仅仅是进行策划；还需要将其与业务相关性联系起来，也就是行业本体。”

他在这件事的简单版本和困难版本之间画了一条分界线。“你和我玩 Claude Code，我们有自己的上下文窗口，我们可以往里面扔一堆东西，并从中获得各种价值，”Ghai 说。“但在企业级规模上，这完全是另一回事。”

但是，对于必须应对监管机构的行业来说，没有控制的上下文是很难推销的。和目前的许多企业厂商一样，Hyland 正在构建一个治理层。即将推出的“Control Tower”（控制塔）旨在作为 Agent Mesh 的指挥中心，对智能体性能、决策路径和治理状态提供持续的可观测性。

在这一切的底层是 Hyland 的 Agent Lifecycle Management（智能体生命周期管理），这是一个跟踪智能体从设计到在偏远数据中心退役的整个生命周期的框架。它包括一个对组织中每个智能体进行编目的 Agent Library（智能体库）、一套基础智能体和原型，以及一个 Agent Passport（智能体护照）。Hyland 将其描述为系统中智能体必须持有的证书，在生产环境中运行之前定义其身份、能力、护栏和合规状态。

为了让企业更容易起步，Hyland 随后将所有这些服务打包成更易于消费的方案，其中包含为医疗机构、银行和其他受监管行业预构建（但可修改）的智能体。

对于开发者来说，无头（headless）模式可能是最有趣的发布。它将这一 AI 原生织网公开为一组可消费的 API，允许客户和合作伙伴将 Hyland 的丰富化、上下文、推理和治理能力拉入自己的应用程序、第三方 AI 工具和自定义工作流中——而完全不需要接触 Hyland 的界面。

Hyland 相信，这种无头模式将使 Content Innovation Cloud 从一套打包的应用转变为核心的企业基础设施，并将其触角延伸到数据工程团队、独立软件开发商（ISV）以及像 Databricks 和 Snowflake 这样的平台生态系统。在这些生态中，客户可能永远不会采用 Hyland 的前端，但仍可能会消费其数据。

Ghai 非常清醒地认识到，Hyland 不会是企业构建每个智能体的地方（尽管该公司也拥有相应的工具）。“这就是我们非常刻意地使其无头化的原因，”他说。“以便第三方智能体可以访问它。数据科学工作负载可以访问这个 AI 原生策划的数据集，而我们的智能体也可以访问它，因为它交付了企业上下文。”

当碎片化成为必然时，保持中立是更安全的策略。“碎片化必将存在，我们认识到我们独特交付的价值，即来自企业内部内容、数据和流程的上下文，”Ghai 说道。“我们认识到，其他厂商同样可以从中受益；他们的智能体也可以同样从中受益。这就是为什么我们相信我们必须保持独立、中立、开放和模块化。”