<p>企業架構的目標已經從自動化僵化的工作流程根本轉變為部署智能、自主的代理。這一轉變定義了代理企業人工智能時代，引入了一個關鍵依賴：為這些決策機器提供的數據質量。硬編碼的業務邏輯正被能夠推理、做出決策和採取行動的代理所取代，使得數據完整性成為最重要的架構挑戰。</p>
<p>自主代理在沒有人類直覺的情況下運作；它們無法識別重複的客户記錄或質疑可疑的庫存數量。這種缺乏內在懷疑的特性意味着，碎片化、孤立或重複的數據不會導致錯誤；它會導致對現實的錯誤模型，從而導致錯誤的交易——例如，一個供應鏈代理基於過時的天氣數據重新路由訂單，或一個服務代理在沒有訪問利潤閾值的情況下協商退款。根據公告，數據管理的要求完全從簡單的連接轉變為絕對的精確和信任。</p>
<p>為了減輕這一深刻的架構風險，架構師必須優先考慮上下文而非單純的數據量。代理需要幫助來理解數據背後的含義，這就需要建立在絕對信任基礎上的架構。與人類員工不同，代理對數據採取字面理解；如果輸入存在缺陷，結果的自主行動也將存在缺陷，可能會基於錯誤的前提執行交易。</p>
<h2>構建上下文數據結構</h2>
<p>構建強大且安全的代理企業人工智能需要三種特定的架構能力。首先，通過元數據實現上下文智能是不可談判的。代理必須使用明確的血統、質量評分和來源數據來數學評估可信度，因為它們無法推斷數據集是否過時或不可靠。這個元數據層為安全決策提供了必要的上下文。</p>
<p>其次，統一主數據管理（MDM）至關重要。衝突的記錄會使自主邏輯癱瘓；如果一個代理在 Salesforce 和 ERP 中遇到同一客户的不同狀態代碼，它無法在不冒險導致流程失敗的情況下解決衝突。可靠的自主性極大受益於預先掌握的 “黃金記錄”——一個單一的、調和的客户、產品和資產視圖，作為每個自動化行動的無可爭議的真實來源。</p>
<p>第三，治理必須直接嵌入數據管道中。數據錯誤可能導致錯誤的行動，而在自主系統中，一旦交易執行，就沒有機會進行反應式清理。合規政策和隱私規則必須成為數據結構的主動組成部分，在代理訪問之前過濾掉不合規或敏感的信息。</p>
<p>Salesforce 與 Informatica 之間的合作直接解決了對這一可信、統一數據基礎的需求。Salesforce 提供了無與倫比的客户關係視圖及其內部元數據生態系統。Informatica 的智能數據管理雲（IDMC），由其 CLAIRE AI 引擎驅動，擴展了整個企業的視圖，專注於來自 ERP 和數據湖等不同系統的高容量、複雜集成。這種組合創建了一個通用的元數據智能層和真正的多領域 MDM 能力，將客户、產品和供應商統一為一個自動化行動的單一真實來源。</p>
<p>Informatica 的角色是構建代理企業人工智能系統的 “大腦”。CLAIRE 主動掃描和理解整個數據環境，構建一個企業知識圖譜，映射關係和等價性——例如，識別一個系統中的 “客户 ID” 與另一個系統中的 “客户編號” 是相同的。這個智能數據結構確保代理接收到高質量、清洗和標準化的輸入，同時通過將合規政策直接嵌入數據流來設置保護措施。這種供應商中立的方法確保可信的數據基礎跨越混合和多雲環境，統一整個數據資產。</p>
<p>對架構師來説，核心要點很明確：上下文為王。構建可靠的代理企業人工智能框架需要超越簡單的數據集成，集中精力關注圍繞數據構建的意義和可信度。自主商業的未來不是由大型語言模型的複雜性定義的，而是由其依賴的數據基礎的完整性定義的。優先考慮元數據、掌握核心領域，並從第一天起嵌入治理是指導這一新企業自主時代的不可談判原則。</p>

賽富時

INFA

<p>向代理企業人工智能的轉變強調了數據質量的重要性，而不僅僅是連接性。自主代理需要精確、可信的數據才能有效運作，因為錯誤的輸入會導致不正確的行動。關鍵的架構能力包括通過元數據實現的上下文智能、統一主數據管理以提供單一真實來源，以及在數據管道中嵌入治理。Salesforce 與 Informatica 之間的合作旨在創建一個統一的數據基礎，確保自主行動所需的高質量輸入。重點在於數據基礎的完整性，優先考慮元數據和治理，以支持可靠的企業自主性</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>企業架構的目標已經從自動化僵化的工作流程根本轉變為部署智能、自主的代理。這一轉變定義了代理企業人工智能時代，引入了一個關鍵依賴：為這些決策機器提供的數據質量。硬編碼的業務邏輯正被能夠推理、做出決策和採取行動的代理所取代，使得數據完整性成為最重要的架構挑戰。</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>自主代理在沒有人類直覺的情況下運作；它們無法識別重複的客户記錄或質疑可疑的庫存數量。這種缺乏內在懷疑的特性意味着，碎片化、孤立或重複的數據不會導致錯誤；它會導致對現實的錯誤模型，從而導致錯誤的交易——例如，一個供應鏈代理基於過時的天氣數據重新路由訂單，或一個服務代理在沒有訪問利潤閾值的情況下協商退款。根據公告，數據管理的要求完全從簡單的連接轉變為絕對的精確和信任。</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>為了減輕這一深刻的架構風險，架構師必須優先考慮上下文而非單純的數據量。代理需要幫助來理解數據背後的含義，這就需要建立在絕對信任基礎上的架構。與人類員工不同，代理對數據採取字面理解；如果輸入存在缺陷，結果的自主行動也將存在缺陷，可能會基於錯誤的前提執行交易。</p>
</div><h2>Architecting the Contextual Data Fabric</h2>
<div class="lb-trans"><h2>構建上下文數據結構</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>構建強大且安全的代理企業人工智能需要三種特定的架構能力。首先，通過元數據實現上下文智能是不可談判的。代理必須使用明確的血統、質量評分和來源數據來數學評估可信度，因為它們無法推斷數據集是否過時或不可靠。這個元數據層為安全決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，統一主數據管理（MDM）至關重要。衝突的記錄會使自主邏輯癱瘓；如果一個代理在 Salesforce 和 ERP 中遇到同一客户的不同狀態代碼，它無法在不冒險導致流程失敗的情況下解決衝突。可靠的自主性極大受益於預先掌握的 “黃金記錄”——一個單一的、調和的客户、產品和資產視圖，作為每個自動化行動的無可爭議的真實來源。</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，治理必須直接嵌入數據管道中。數據錯誤可能導致錯誤的行動，而在自主系統中，一旦交易執行，就沒有機會進行反應式清理。合規政策和隱私規則必須成為數據結構的主動組成部分，在代理訪問之前過濾掉不合規或敏感的信息。</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 與 Informatica 之間的合作直接解決了對這一可信、統一數據基礎的需求。Salesforce 提供了無與倫比的客户關係視圖及其內部元數據生態系統。Informatica 的智能數據管理雲（IDMC），由其 CLAIRE AI 引擎驅動，擴展了整個企業的視圖，專注於來自 ERP 和數據湖等不同系統的高容量、複雜集成。這種組合創建了一個通用的元數據智能層和真正的多領域 MDM 能力，將客户、產品和供應商統一為一個自動化行動的單一真實來源。</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 的角色是構建代理企業人工智能系統的 “大腦”。CLAIRE 主動掃描和理解整個數據環境，構建一個企業知識圖譜，映射關係和等價性——例如，識別一個系統中的 “客户 ID” 與另一個系統中的 “客户編號” 是相同的。這個智能數據結構確保代理接收到高質量、清洗和標準化的輸入，同時通過將合規政策直接嵌入數據流來設置保護措施。這種供應商中立的方法確保可信的數據基礎跨越混合和多雲環境，統一整個數據資產。</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>對架構師來説，核心要點很明確：上下文為王。構建可靠的代理企業人工智能框架需要超越簡單的數據集成，集中精力關注圍繞數據構建的意義和可信度。自主商業的未來不是由大型語言模型的複雜性定義的，而是由其依賴的數據基礎的完整性定義的。優先考慮元數據、掌握核心領域，並從第一天起嵌入治理是指導這一新企業自主時代的不可談判原則。</p>
</div>

代理企業 AI：為什麼情境比連接更重要