作者：凯文・麦克劳克林

　　继帕兰提尔（Palantir）开创该模式之后，OpenAI、Anthropic 、微软与亚马逊均投入数十亿美元 ，招聘所谓前线部署工程师（FDE）
，把新式人工智能技术落地到企业客户的业务场景当中 。

　　而谷歌另辟蹊径：该公司表示，AI 可以自动完成一部分前线部署工程师的工作
。

　　谷歌云数据库产品副总裁兼总经理安迪・古特曼表示 ，尽管谷歌云近期宣布招聘数百名工程师
，协助客户基于 Gemini 大模型开发应用；但如今谷歌正借助 AI 智能体，自动完成这类专业询问 顾问面向大型企业的部分工作 ，主要用于企业数据梳理总结 。

　　在过去
，前线部署工程师需要驻场客户现场，总结 企业内部专有数据 ，让 AI 能够更好理解数据，帮助企业员工更快速
、精准完成数据分析 。举个例子
，不同企业对 “总营收” 这类财务指标的定义各不相同，前线部署工程师依靠人工处理 ，保证 AI 能够识别理解这些定义差异
。

　　古特曼称
，谷歌已经意识到这种高度依赖人力模式的局限性。“如果你想要把企业全部数据都激活利用起来，你永远不可能招到足够多的人手去完成这件事 。 ”

　　在他看来 ，想要让 AI 智能体发挥最大价值
，就要尽可能向其开放企业全部数据，包括各类文档、法律合同
。谷歌的 AI 智能体会扫描梳理客户全部数据 ，理清数据和销售 、库存管理等各个业务环节之间的关联关系。

　　这一过程会生成具备丰富上下文信息的数据
，包括知识图谱
、语义层 。有了这些基础，AI 智能体处理多步骤任务（例如发票流转、新员工入职流程）所需的工作量与成本都会大幅降低。本栏目此前曾撰文介绍过这些关键数据层
。

　　据谷歌云发言人介绍 ，英国电信及传媒企业维珍传媒 O2 借助谷歌 AI 智能体
，完成了 2 万组独立数据集的关联整合；如果依靠人工，这项工作需要数千工时。整合完成的数据集 ，能够帮助企业自身的 AI 智能体快速调取业务所需相关数据 。

　　古特曼表示，今年早些时候帕兰提尔已经推出具备部分同类功能的 AI 版前线部署工程师
，但谷歌云把这套生成业务上下文的 AI 智能体视作自身竞争优势，该智能体属于谷歌《知识目录》数据管理产品的组成部分
。

　　谷歌云发言人补充道 ，一方面谷歌云和 Alphabet 旗下 DeepMind 团队协同开发
，为 AI 智能体打造 “尽可能完善的业务上下文
”；另一方面和很多竞争对手不同，谷歌手握自研 Gemini 大模型 ，可用来排查 、校验智能体运行中出现的各类问题。

　　古特曼坦言
，谷歌这套生成上下文的 AI 智能体并非万无一失，客户仍然需要配置少量人员 ，对 AI 输出结果做审核校验 。

　　谷歌云期望该流程未来可以实现完全自动化
。“现阶段还需要人类偶尔介入
，对结果进行确认或否决。但随着新数据持续流入，这套体系最终可以实现完全由智能体自主运行 。”

提示：仅供学习借鉴  ，不构成技术
、投资建议
。