<p>企业架构的目标已经从自动化僵化的工作流程根本转变为部署智能、自主的代理。这一转变定义了代理企业人工智能时代，引入了一个关键依赖：为这些决策机器提供的数据质量。硬编码的业务逻辑正被能够推理、做出决策和采取行动的代理所取代，使得数据完整性成为最重要的架构挑战。</p>
<p>自主代理在没有人类直觉的情况下运作；它们无法识别重复的客户记录或质疑可疑的库存数量。这种缺乏内在怀疑的特性意味着，碎片化、孤立或重复的数据不会导致错误；它会导致对现实的错误模型，从而导致错误的交易——例如，一个供应链代理基于过时的天气数据重新路由订单，或一个服务代理在没有访问利润阈值的情况下协商退款。根据公告，数据管理的要求完全从简单的连接转变为绝对的精确和信任。</p>
<p>为了减轻这一深刻的架构风险，架构师必须优先考虑上下文而非单纯的数据量。代理需要帮助来理解数据背后的含义，这就需要建立在绝对信任基础上的架构。与人类员工不同，代理对数据采取字面理解；如果输入存在缺陷，结果的自主行动也将存在缺陷，可能会基于错误的前提执行交易。</p>
<h2>构建上下文数据结构</h2>
<p>构建强大且安全的代理企业人工智能需要三种特定的架构能力。首先，通过元数据实现上下文智能是不可谈判的。代理必须使用明确的血统、质量评分和来源数据来数学评估可信度，因为它们无法推断数据集是否过时或不可靠。这个元数据层为安全决策提供了必要的上下文。</p>
<p>其次，统一主数据管理（MDM）至关重要。冲突的记录会使自主逻辑瘫痪；如果一个代理在 Salesforce 和 ERP 中遇到同一客户的不同状态代码，它无法在不冒险导致流程失败的情况下解决冲突。可靠的自主性极大受益于预先掌握的 “黄金记录”——一个单一的、调和的客户、产品和资产视图，作为每个自动化行动的无可争议的真实来源。</p>
<p>第三，治理必须直接嵌入数据管道中。数据错误可能导致错误的行动，而在自主系统中，一旦交易执行，就没有机会进行反应式清理。合规政策和隐私规则必须成为数据结构的主动组成部分，在代理访问之前过滤掉不合规或敏感的信息。</p>
<p>Salesforce 与 Informatica 之间的合作直接解决了对这一可信、统一数据基础的需求。Salesforce 提供了无与伦比的客户关系视图及其内部元数据生态系统。Informatica 的智能数据管理云（IDMC），由其 CLAIRE AI 引擎驱动，扩展了整个企业的视图，专注于来自 ERP 和数据湖等不同系统的高容量、复杂集成。这种组合创建了一个通用的元数据智能层和真正的多领域 MDM 能力，将客户、产品和供应商统一为一个自动化行动的单一真实来源。</p>
<p>Informatica 的角色是构建代理企业人工智能系统的 “大脑”。CLAIRE 主动扫描和理解整个数据环境，构建一个企业知识图谱，映射关系和等价性——例如，识别一个系统中的 “客户 ID” 与另一个系统中的 “客户编号” 是相同的。这个智能数据结构确保代理接收到高质量、清洗和标准化的输入，同时通过将合规政策直接嵌入数据流来设置保护措施。这种供应商中立的方法确保可信的数据基础跨越混合和多云环境，统一整个数据资产。</p>
<p>对架构师来说，核心要点很明确：上下文为王。构建可靠的代理企业人工智能框架需要超越简单的数据集成，集中精力关注围绕数据构建的意义和可信度。自主商业的未来不是由大型语言模型的复杂性定义的，而是由其依赖的数据基础的完整性定义的。优先考虑元数据、掌握核心领域，并从第一天起嵌入治理是指导这一新企业自主时代的不可谈判原则。</p>

赛富时

INFA

<p>向代理企业人工智能的转变强调了数据质量的重要性，而不仅仅是连接性。自主代理需要精确、可信的数据才能有效运作，因为错误的输入会导致不正确的行动。关键的架构能力包括通过元数据实现的上下文智能、统一主数据管理以提供单一真实来源，以及在数据管道中嵌入治理。Salesforce 与 Informatica 之间的合作旨在创建一个统一的数据基础，确保自主行动所需的高质量输入。重点在于数据基础的完整性，优先考虑元数据和治理，以支持可靠的企业自主性</p>

<p>The enterprise architecture goal has fundamentally shifted from automating rigid workflows to deploying intelligent, autonomous agents. This transition, defining the Agentic Enterprise AI era, introduces a critical dependency: the quality of the data feeding these decision-making machines. Hard-coded business logic is being replaced by agents capable of reasoning, making decisions, and taking action, making data integrity the single most important architectural challenge.</p>
<div class="lb-trans"><p>企业架构的目标已经从自动化僵化的工作流程根本转变为部署智能、自主的代理。这一转变定义了代理企业人工智能时代，引入了一个关键依赖：为这些决策机器提供的数据质量。硬编码的业务逻辑正被能够推理、做出决策和采取行动的代理所取代，使得数据完整性成为最重要的架构挑战。</p>
</div><p>Autonomous agents operate without human intuition; they cannot spot a duplicate customer record or question a suspicious inventory count. This lack of inherent skepticism means that fragmented, siloed, or duplicate data does not cause an error; it causes a flawed model of reality, leading to incorrect transactions—such as a supply chain agent rerouting an order based on stale weather data or a service agent negotiating a refund without access to margin thresholds. According to the announcement, the requirement for data management shifts entirely from simple connectivity to absolute precision and trust.</p>
<div class="lb-trans"><p>自主代理在没有人类直觉的情况下运作；它们无法识别重复的客户记录或质疑可疑的库存数量。这种缺乏内在怀疑的特性意味着，碎片化、孤立或重复的数据不会导致错误；它会导致对现实的错误模型，从而导致错误的交易——例如，一个供应链代理基于过时的天气数据重新路由订单，或一个服务代理在没有访问利润阈值的情况下协商退款。根据公告，数据管理的要求完全从简单的连接转变为绝对的精确和信任。</p>
</div><p>To mitigate this profound architectural risk, architects must prioritize context over mere data volume. Agents need help to understand the meaning behind the data, necessitating a foundation built on absolute trust. Unlike a human employee, an agent takes data literally; if the input is flawed, the resulting autonomous action will be flawed, potentially executing a transaction based on false premises.</p>
<div class="lb-trans"><p>为了减轻这一深刻的架构风险，架构师必须优先考虑上下文而非单纯的数据量。代理需要帮助来理解数据背后的含义，这就需要建立在绝对信任基础上的架构。与人类员工不同，代理对数据采取字面理解；如果输入存在缺陷，结果的自主行动也将存在缺陷，可能会基于错误的前提执行交易。</p>
</div><h2>Architecting the Contextual Data Fabric</h2>
<div class="lb-trans"><h2>构建上下文数据结构</h2>
</div><p>Building a powerful and safe Agentic Enterprise AI requires three specific architectural capabilities. First, Contextual Intelligence via metadata is non-negotiable. Agents must mathematically evaluate trustworthiness using explicit lineage, quality scores, and origin data, as they cannot infer if a dataset is outdated or unreliable. This metadata layer provides the necessary context for safe decision-making.</p>
<div class="lb-trans"><p>构建强大且安全的代理企业人工智能需要三种特定的架构能力。首先，通过元数据实现上下文智能是不可谈判的。代理必须使用明确的血统、质量评分和来源数据来数学评估可信度，因为它们无法推断数据集是否过时或不可靠。这个元数据层为安全决策提供了必要的上下文。</p>
</div><p>Second, Unified Master Data Management (MDM) is essential. Conflicting records paralyze autonomous logic; if an agent encounters disparate status codes for the same customer across Salesforce and an ERP, it cannot resolve the conflict without risking a process failure. Reliable autonomy benefits tremendously from a pre-mastered “golden record”—a single, reconciled view of customers, products, and assets that serves as the undisputed source of truth for every automated action.</p>
<div class="lb-trans"><p>其次，统一主数据管理（MDM）至关重要。冲突的记录会使自主逻辑瘫痪；如果一个代理在 Salesforce 和 ERP 中遇到同一客户的不同状态代码，它无法在不冒险导致流程失败的情况下解决冲突。可靠的自主性极大受益于预先掌握的 “黄金记录”——一个单一的、调和的客户、产品和资产视图，作为每个自动化行动的无可争议的真实来源。</p>
</div><p>Third, governance must be embedded directly into the data pipeline. Data errors can lead to incorrect actions, and in an autonomous system, there is no opportunity for reactive cleanup once a transaction is executed. Compliance policies and privacy rules must be active components of the data fabric, filtering out non-compliant or sensitive information before the agent ever accesses it.</p>
<div class="lb-trans"><p>第三，治理必须直接嵌入数据管道中。数据错误可能导致错误的行动，而在自主系统中，一旦交易执行，就没有机会进行反应式清理。合规政策和隐私规则必须成为数据结构的主动组成部分，在代理访问之前过滤掉不合规或敏感的信息。</p>
</div><p>The collaboration between Salesforce and Informatica directly addresses the need for this trusted, unified data foundation. Salesforce provides the unparalleled view of the customer relationship and its internal metadata ecosystem. Informatica’s Intelligent Data Management Cloud (IDMC), powered by its CLAIRE AI engine, extends this view across the entire enterprise, specializing in high-volume, complex integration from disparate systems like ERPs and data lakes. This combination creates a universal metadata intelligence layer and a true multi-domain MDM capability, unifying customers, products, and suppliers into a single source of truth for autonomous action.</p>
<div class="lb-trans"><p>Salesforce 与 Informatica 之间的合作直接解决了对这一可信、统一数据基础的需求。Salesforce 提供了无与伦比的客户关系视图及其内部元数据生态系统。Informatica 的智能数据管理云（IDMC），由其 CLAIRE AI 引擎驱动，扩展了整个企业的视图，专注于来自 ERP 和数据湖等不同系统的高容量、复杂集成。这种组合创建了一个通用的元数据智能层和真正的多领域 MDM 能力，将客户、产品和供应商统一为一个自动化行动的单一真实来源。</p>
</div><p>Informatica’s role is to build the “brain” of the Agentic Enterprise AI system. CLAIRE actively scans and understands the entire data landscape, constructing an enterprise knowledge graph that maps relationships and equivalencies—for example, recognizing that a “customer ID” in one system is the same as a “client number” in another. This intelligent data fabric ensures that the agent receives high-quality, cleansed, and standardized inputs, while simultaneously setting guardrails by embedding compliance policies directly into the data flow. This vendor-neutral approach ensures that the trusted data foundation spans hybrid and multi-cloud environments, unifying the entire data estate.</p>
<div class="lb-trans"><p>Informatica 的角色是构建代理企业人工智能系统的 “大脑”。CLAIRE 主动扫描和理解整个数据环境，构建一个企业知识图谱，映射关系和等价性——例如，识别一个系统中的 “客户 ID” 与另一个系统中的 “客户编号” 是相同的。这个智能数据结构确保代理接收到高质量、清洗和标准化的输入，同时通过将合规政策直接嵌入数据流来设置保护措施。这种供应商中立的方法确保可信的数据基础跨越混合和多云环境，统一整个数据资产。</p>
</div><p>The core takeaway for architects is clear: context is king. Building reliable Agentic Enterprise AI frameworks requires moving past simple data integration and focusing intensely on the meaning and trustworthiness built around the data. The future of autonomous business is not defined by the sophistication of the LLM, but by the integrity of the data foundation it relies upon. Prioritizing metadata, mastering core domains, and embedding governance from day one are the non-negotiable principles guiding this new era of enterprise autonomy.</p>
<div class="lb-trans"><p>对架构师来说，核心要点很明确：上下文为王。构建可靠的代理企业人工智能框架需要超越简单的数据集成，集中精力关注围绕数据构建的意义和可信度。自主商业的未来不是由大型语言模型的复杂性定义的，而是由其依赖的数据基础的完整性定义的。优先考虑元数据、掌握核心领域，并从第一天起嵌入治理是指导这一新企业自主时代的不可谈判原则。</p>
</div>

代理企业 AI：为什么情境比连接更重要