本文来自微信公众号： ToB老人家 ，作者：王戴明
看到一则《information》的消息，Salesforce的高级副总裁表示：过去一年，我们对大模型的信任度已经降低了。
原因在于大模型的“随机性”，正如Agentforce的CTO所说：当收到八项以上指令时，大模型就开始遗漏关键指令——这对于要求准确性的企业场景而言，是一个严重缺陷。
Salesforce的解决方案是减少大模型的使用：大模型主要用于对话，对于关键的业务处理，则更多使用工作流、传统程序、API来处理。
这种被称之为“混合推理”的策略，毫无疑问，将成为企业AI的主流模式。
最近有一种声音：AI时代，PaaS（低代码）要完蛋了。
我和一些PaaS负责人交流过，他们也普遍面临资源被削减的情况。
核心原因在于：Agent目前是研发的第一优先级，PaaS这种“过气”技术，当然要为Agent让路。
但是，Salesforce遭遇的挫折可能给我们提了一个醒：企业AI落地最关键的一步，其实不是大模型，而是“上下文”，即Salesforce“混合推理”中的工作流、传统程序和API，而他们恰恰是PaaS的主要构建目标。
如果“品味”一下Salesforce的策略：大模型主要用于对话，对于关键的业务处理，则更多使用工作流、传统程序、API来处理——你会发现，这个策略简直就是Palantir的Foundry翻版。
大家如果对Foundry还不太了解，可以看一下我的这篇文章：3万亿AI公司：Palantir的反常识真相
其实，Palantir成功的秘诀就一点：90%的上下文+10%的大模型。
所谓上下文，可以简单划分为3类：
1、信息和规则
2、记忆
3、工作流和程序（API）
举个例子，一家制造企业，突然接到了一笔紧急销售订单，如果让Agent来处理，最可靠的处理过程应该是怎样的呢？
首先，Agent要去获取准确的成品库存信息，判断库存（信息）能否满足订单数量。
如果不能满足，它需要根据供应来源（规则），来判断应该采购还是生产（规则）？
如果只能自己生产，那么应该向哪一家工厂下达生产指令（规则），并且根据生产周期（信息）判断能否满足交付时间要求。
在综合以上信息后，Agent还需要查询历史方案情况（记忆），从而分析出：上一次该产品的紧急订单，由于A零件的质量问题，导致交付日期出现了延期，因此这一次建议更换A零件的供应商。
然后，Agent就需要把以上建议，通过UI页面推送给人类，包括他推理用到的数据、规则和推理过程，让人类进行决策。
在人类确认了以上信息以后，Agent又应该给如何生成ERP工单呢？
最可靠的办法，是把关键信息包括产品、数量、交付日期等，通过API的方式传送给ERP，让ERP来完成工单的创建。
你看，要做到100%可靠，核心在于2点：
1、人类要维护和管理好上下文
比如供应链来源、生产周期，也包括执行系统的传统软件程序（包括API）
2、人类要检查AI的执行依据和过程，并为之承担责任
而以上2点决定了，看起来即将“过时”的UI、流程、规则、软件程序仍然非常重要——实际上——他们将会构成Agent 90%的“身体”。
而我们为什么会有“PaaS将死”的错觉？
因为我们还处于AI的泡沫期，大家对AI的认识还停留在“想象”阶段，真正落地且对核心业务产生价值的Agent，还非常少见。
这就是为什么Salesforce轰轰烈烈搞了一年Agent，才发现真正可靠的，还得是“工作流、传统程序、API”。
过去一年，我经常被批评“观点不一致”，比如：我一方面认为AI存在泡沫，另一方面看好AI的前景。
其实Salesforce的这个案例很好的解释了我的观点——AI泡沫的存在，是因为我们普遍低估了企业AI落地的难度（就像Salesforce一样）；
但是，这些困难并不是无法克服的障碍，实际上，我们已经有非常明确的解决方案，AI的未来仍然可期。