超越炒作：谷歌云专家谈AI落地的互操作性、上下文与治理
谷歌云产品管理总监迈克尔·克拉克指出，企业AI成功关键在于互操作性、多模态上下文整合及嵌入人工干预的治理机制，而非追逐模型热点；尤其在客服等场景中，需打通孤岛系统并赋予智能体实时业务语境。
希望从人工智能（AI）中获得真正价值并成功实施的企业，应重点关注切实可行、系统化的治理措施，以构建嵌入信任、透明度和互操作性的AI工作流。
每周涌现的大量AI模型，可能使AI看起来更像一场盛大的宣传周期。这对试图厘清自身所需以使其AI工作流高效运行的企业而言，可能造成困惑。然而，要超越AI模型、工具和智能体（agents）所承诺的潜力，企业不应对技术抱有不切实际的期望。它们应具备恰当的基础，以基于信任构建切实可行的AI应用， 透明度和互操作性。
谷歌云（Google Cloud）产品管理总监迈克尔·克拉克（Michael Clark）在AI Business主办的《Targeting AI》播客节目中表示：“互操作性与开放性是两个真正关键的概念，透明度同样如此。”
克拉克指出，能够与其他系统连接的系统，是生成式AI与智能体（agentic AI）应用取得成功的关键。例如，若要在客户服务场景中实现AI智能体的成功部署，企业需具备与彼此孤立的各类系统的互操作能力。
克拉克表示：“在许多呼叫中心，人们处理客户问题时高度依赖人工操作，未使用API或其他技术手段。因此，这意味着要么需要配备智能体，要么需要掌握业务其他环节正在发生的状况的相关上下文，并能据此采取行动。”
上下文也可能成为一项关键差异化因素，用以界定一个能够正常运行的智能体（agentic）应用与一个无法运行的应用，克拉克补充道。
他表示：“我们看到，上下文可包括音频和视频，甚至在某些情况下还包括激光雷达（lidar）及其他类型的信息、金融实时流数据等各类信息，以帮助智能体每日做出决策。”
除互操作性与上下文外，企业还需要 治理与信任。
克拉克表示：“作为一家企业，必须非常清晰地理解自身预期成果，并明确自身的风险承受能力。一旦识别出相关风险，对于任何超出该风险阈值的事项，均须引入人工干预（human in the loop）。”
JOTO 企业落地观察
- 对企业部署而言，文章揭示：仅采购先进AI模型无法解决客服场景实效问题，必须优先改造API缺失的呼叫中心系统链路，使智能体能接入音频、实时金融流等异构数据源，否则将陷入‘有智能无动作’的空转状态。
- 对智能体工程而言，上下文被明确定义为决定智能体能否运行的核心变量——不仅含文本，更涵盖音频、视频、激光雷达及实时流数据；这意味着智能体架构需原生支持多模态上下文注入与动态更新，而非仅依赖静态RAG。
- 对AI安全治理而言，谷歌提出‘风险阈值+人工干预’的刚性机制：企业须预先定义可接受风险边界，所有超限决策必须触发human-in-the-loop；这为FDE（企业AI转型）提供了可审计、可配置的治理落地方案，而非泛泛而谈‘加强监管’。
立即咨询 JOTO
JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询
想把这些做法用到你的业务里?
留下你的场景和痛点,我们帮你判断从哪一步开始。
联系我们
