驱动 Agentic Enterprise：让企业上下文转化为可治理的 Agentic 行动 ｜ 技术趋势

2026 年，智能体将在企业级应用中取得哪些实质性突破？点击下载《2026 年 AI 与数据发展预测》白皮书，获悉专家一手前瞻，抢先拥抱新的工作方式！

过去几年，企业 AI 领域的主流观点一直是：AI 正在成为数据的交互界面。自然语言正在取代报告、仪表板等传统的信息获取与交互机制。对话式交互大幅缩短了业务用户与所需信息之间的距离。每一位 CIO 都感受到了这一转变所带来的强大吸引力。

如今，这一观点已经成为基本门槛。更难的问题，也是每一位 CxO 都在问我们的问题，是接下来会发生什么。

我们相信，下一个篇章的核心，是将洞察转化为真正的企业级智能体行动。将受治理的数据转化为受治理的决策。

这意味着智能体企业正在兴起：在这样的世界中，智能体持续运行于数据、模型和应用之间，帮助企业进行大规模推理、决策和行动。

企业面临的挑战

每家企业都看到了智能体未来所蕴含的潜力。但如今，大多数企业正在将智能体部署到本就已经高度碎片化的环境中。

大多数企业仍在以孤岛式方式部署智能体。财务智能体所作出的假设，可能与供应链智能体刚刚作出的决策相互矛盾；营销智能体在生成内容时，可能根本不知道客服智能体昨天从这名客户身上了解到什么。最终的结果是：行动相互冲突、结果缺乏一致性，能够产生的业务影响也十分有限。

解决这一挑战，需要从上下文入手。电信行业的客户流失信号，与零售银行业的客户流失信号并不相同；消费品行业对“高价值客户”的定义，也不同于制药行业；当单位经济性指标出现激增时，医疗支付方与资产管理机构所需要采取的升级处理路径也各不相同。

缺少正确的决策上下文，例如行业语义、KPI 层级体系、决策框架和政策护栏，即使智能体能够准确无误地检索数据，仍然可能得出战略上错误、商业成本高昂，或在不易察觉的情况下违反合规要求的决策。

同样重要的是，还需要将这些上下文与合适的 AI 模型，以及来自各类应用的正确信息连接起来，从而大规模推动有意义、可信赖的决策。

埃森哲近期开展的“AI 就绪数据”研究发现，只有 7% 的企业，也就是我们所说的“数据重塑者”，建立了规模化应用高级 AI 所需的数据基础。这些企业已经扩展了自身的数据能力，能够提供受到治理且值得信赖的数据，不仅供人类使用，也供新一代 AI 和智能体使用。与其他企业相比，这些领先企业规模化部署上下文图谱的可能性约为两倍；其中，74% 的企业已将决策智能嵌入核心业务决策，而其他企业的这一比例仅为 28%。

智能体企业的架构

要抓住这一机遇并成为智能体企业，首先需要具备正确的基础要素。我们认为，智能体企业需要四个关键组成部分：

• 企业数据与上下文：由数据、业务语义和政策共同构成的、受到治理的共享基础。正是这些上下文和信息，定义了你的企业之所以是你的企业；

• AI 模型：能够生成分析、预测和建议的推理引擎，帮助企业从上下文中获得真正的智能；

• SaaS 与应用：维持企业关键业务运营的企业级系统；

• 智能体控制平面：协调上述三个要素、执行治理要求，并将意图转化为受治理的智能体行动的组件。

当这些组成部分全部就位后，智能体便不再只是聪明的助手，而会成为值得信赖的决策者，并受到支撑企业日常运营的同一套治理体系约束。

一切始于上下文，行动发生于控制平面

企业数据与上下文层是企业的竞争优势。它是一个受到治理、横跨多个业务领域的统一事实来源，数据、政策、运营状态和业务语义在这里汇聚。

这是成为智能体企业至关重要的第一步：让企业上下文基础为 AI 做好准备。数据不仅需要可访问、安全、可执行，还需要结合具体行业、职能、政策和交易形成相应的上下文。

目前，Snowflake 已经为超过 13,600 家组织提供这样的基础。受治理的数据、政策和业务逻辑在这里汇聚，共同构成 AI 所依赖的基础底座。

埃森哲上下文图谱：上下文层中的行业决策智能

埃森哲上下文图谱将企业上下文层转化为具备行业认知能力的决策底座。它建立在埃森哲数十年来服务消费品、金融服务、生命科学、医疗健康等行业客户的经验之上，将领域本体、价值树逻辑、升级处理规则、监管要求和行动手册编码其中，从而将原始上下文转化为决策级上下文。

上下文图谱与 Snowflake 中受治理的数据共同位于企业上下文层，并继承其政策控制和数据血缘控制能力。它使数据基础具备行业认知能力。每当智能体从 Snowflake 中检索上下文时，上下文图谱都会确保应用正确的业务语义、决策框架和政策护栏。最终，智能体检索到的不只是数据，更是决策。

在金融服务行业，上下文图谱编码了信用风险框架、监管升级处理模式，以及用于投资组合决策的价值树。在消费品行业，它编码了针对不同渠道的客户定义、商业促销框架和货架决策逻辑。在医疗支付领域，它编码了医疗服务使用管理政策、会员分群和事前授权工作流。每一个行业视图都是经过同行评审并受到治理的知识结构。它不是一次性构建的成果，而是一项随着行业和客户不断发展而持续演进的动态资产。

埃森哲通过 Reinvention.AI 平台交付和维护上下文图谱。该平台是埃森哲面向 AI 驱动型企业重塑打造的企业级平台。随着行业不断变化、客户持续积累新的认知，Reinvention.AI 会协调图谱的持续演进，并与 Snowflake CoWork 和 Snowflake CoCo 集成，使业务用户和开发者能够调用同一套受治理的决策上下文，无论他们是使用自然语言提出问题，还是构建新的智能体应用。

AI 模型与应用：将上下文转化为洞察

上下文本身并不能创造业务成果。它需要连接能够基于上下文进行推理的 AI 模型，以及团队实际开展工作的应用。

Snowflake 让企业能够自由选择模型，将 AI 带到数据所在的位置，而不是将数据迁移到模型所在的位置。通过 MCP 等开放标准，受到治理的企业数据能够安全地连接 Claude、Gemini、ChatGPT 等领先模型，以及支撑企业业务运营的 SaaS 系统。

埃森哲则提供基于成熟流程重塑经验打造的行业快速启动方案，并进一步实现与企业系统及工具的安全、优化集成。

最终形成的智能，既以企业自身的数据为基础，由当前最合适的模型提供支持，又能够在实际开展工作的系统中转化为行动。

智能体控制平面：让所有要素协同运转

当企业建立起坚实的上下文基础，并通过埃森哲上下文图谱等方式使其具备行业认知能力后，智能体控制平面就能够协调四个要素，在企业范围内大规模推动行动。

Snowflake CoWork 是面向业务用户的个人工作智能体。业务用户可以通过这一个统一入口，访问所需的全部数据，并使用自然语言在日常使用的各类应用中采取行动。

Snowflake CoCo 是一款 AI 驱动的编码智能体，让开发者能够构建任何应用，并调用任意数据和系统，实现从创意到应用、从提示词到数据管道的完整开发过程。

埃森哲 Reinvention.AI 则进一步将控制平面的覆盖范围延伸至每个客户现有的工具、平台和智能体，确保决策能够进入企业内部的各类系统，同时继续保持上下文图谱所承载的同一套治理体系和决策智能。

这些能力共同让智能体控制平面真正运转起来：协调企业上下文、模型和应用，支持智能体行动的规模化开展，并帮助确保所有决策均受到治理。

决策实现端到端治理后，会发生什么

有了强大的上下文，以及能够协调决策的控制平面，智能体企业便能够真正投入运营。数据不再是等待查询的被动资产，而会成为一个主动运行的底座，决策能够在其中被制定、治理、审计并端到端执行。

在不同的部署实践中，有三种模式不断出现：

• 以设计确保跨职能一致性：当财务智能体、供应链智能体和营销智能体基于同一套上下文进行推理，使用相同的 KPI 定义、相同的升级处理规则和相同的政策护栏时，不同智能体之间的决策矛盾就会消失。由于共享同一套决策上下文，企业各个部门作出的决策也会保持一致；

• 从问题到受治理的行动，只需几秒：在上下文的支持下，业务用户可以在几秒钟内，从使用自然语言提出问题转向执行受治理的行动。这大幅压缩了过去需要在分析、规划和运营团队之间经过多轮流转才能完成的流程。构建智能体应用的开发者，也能从第一天起继承同样的上下文和治理能力；

• 持续产生复利效应的基础：每一次交互都会进一步丰富上下文。新的政策被加入其中，新的决策得到明确表达，隐性知识也会以结构化形式呈现。正如研究中的数据重塑者所展示的那样，持续遵循“捕获信息、构建上下文、实现价值”这一循环的企业，将获得相较于同行不断累积的利润率优势。

现在采取行动的企业，不会只是采用智能体 AI，还将以它为基础重塑自身。

现在就完成这一体系部署的企业，将引领未来

我们仍处于这一篇章的开端，而不是终点。未来能够占据领先地位的企业，将是那些现在就开始投资上下文基础，并构建决策智能层，将上下文转化为可信、受治理行动的企业。

这正是 Snowflake 与埃森哲正在共同开拓的前沿领域。无论是将埃森哲上下文图谱扩展到更多行业，还是帮助企业构建自己的上下文图谱，我们都在推动下一批双方共同服务的客户，在统一的智能体基础上正式投入运营。智能体企业并不是某种未来状态。对于那些现在已经开始行动的企业而言，它已经成为现实。

原文地址：https://www.snowflake.com/en/blog/agentic-enterprise-snowflake-accenture/

点击链接立即报名注册：Ascent - Snowflake Platform Training - China，更多 Snowflake 精彩活动请关注专区。