对于许多C级技术领导者来说，在AI驱动的世界中实现技术价值是一个关键目标。弄清楚AI如何融入组织运营可能包括决定AI对公司到底意味着什么。

"归根结底，我们试图自动化通常由人类完成的事情。这与汽车是一样的，对吧？我是说，你会称自动驾驶汽车为AI还是高级自动化？"惠普企业(HPE)首席AI官鲍勃·弗莱德问道。

弗莱德最近在NRF 2026：零售大展上分享了HPE如何使用AI，以及他如何在技术发展过程中利用这项技术。

HPE提供网络、服务器和容器化软件及服务。弗莱德是Mist Systems的联合创始人，这是一家AI驱动的无线局域网初创公司，被Juniper Networks收购，而Juniper又被HPE收购。

AI遇到现实约束

弗莱德解释说，Mist和他在AI领域的工作起源于他试图说服一家大型零售商在其网络上部署移动体验应用程序。

"他们告诉我，除非我能承诺阻止控制器崩溃、每年创新超过两次并保证出色的用户体验，否则他们不会这样做，"弗莱德说。

AI成为实现这一目标的一部分。弗莱德表示，零售商的要求是从传统网络支持向云端AIOps范式转变的早期指标。

AI采用不仅仅是技术问题

弗莱德说，这种转变也有文化层面。这意味着要说服IT支持团队让AI融入日常运营。让网络支持人员接受这种变化——并放弃用于加密远程访问的安全外壳协议密钥——仍然是一个挑战。"这就像从婴儿手中夺糖果，"他说。"他们不想放弃这些密钥。"

为零售商制定AI支持模型的过程也让弗莱德认识到AI不是万能技术。

"当我创立Mist时，我一直相信自然语言将成为下一个用户界面，"弗莱德说。

网络已经从命令行界面发展到仪表板，然后到自然语言，弗莱德说这是从数据库中提取数据的逻辑步骤。

ChatGPT和智能体AI的兴起开辟了新的可能性。"那时[AI]在推理和生成方面变得更加强大，"他说。

智能体AI也改变了开发者的工作方式，因为它是一种非线性、非确定性的编程语言，弗莱德说。"这基本上是一种自动化过去困难问题的新方法。"

例如，AI可能导致网络在没有人类用户控制的情况下纠正问题。要达到这个阶段，需要IT人员信任AI来解决网络问题。

"这非常类似于你的自动驾驶测试。当你最终信任汽车时，你会让驾驶员离开座位让它自己行驶，"弗莱德说。

AI需要限制的地方

弗莱德警告说，AI的使用可能会超前。"如果你有数百个API，你不能将它们全部暴露给大语言模型……这会让模型感到困惑，"他说。在大语言模型能够处理它们所面对的内容之前，引入这些API时层次结构和组织仍然很重要。

为什么人类仍在循环中

至少目前来说，人类因素对AI的使用仍然至关重要——只要IT专业人员保持技能更新。弗莱德说，在过去，程序员编写代码、测试并验证代码按预期执行。这种线性过程随着非线性AI的出现而改变。

为什么开发者在转变中会遇到困难

弗莱德说，花费多年时间进行线性编程的开发者在向非线性AI转变时可能会遇到困难。"他们很难适应这种新的编程范式，"他说。"你最好雇用一个刚从学校毕业的孩子，他没有被特定风格、特定方式的编程所束缚。"

Q&A

Q1：智能体AI与传统编程有什么不同？

A：智能体AI是一种非线性、非确定性的编程语言，这与传统线性编程完全不同。它提供了一种自动化过去困难问题的新方法，特别是在推理和生成方面更加强大。传统程序员习惯编写代码、测试并验证代码按预期执行的线性过程，而AI改变了这种工作方式。

Q2：为什么IT人员不愿意接受AI自动化？

A：主要是文化层面的阻力。IT支持人员不愿意放弃他们的控制权，比如用于加密远程访问的安全外壳协议密钥。弗莱德形容这"就像从婴儿手中夺糖果"，因为这些技术人员担心失去对系统的直接控制，需要建立对AI系统的信任才能让它们自主处理网络问题。

Q3：在AI系统中使用大语言模型时应该注意什么限制？

A：不能将所有API都暴露给大语言模型，如果有数百个API全部暴露，会让模型感到困惑。在大语言模型处理这些API之前，需要保持适当的层次结构和组织。这说明AI虽然强大，但仍需要合理的架构设计和限制来确保其有效运行。