7.4
深览指数
科技Bestblogs·跨国串门儿计划··AI 生成
#716.Stripe：企业 AI 的关键是治理
Stripe 工程经理 Sharadh 详细拆解了内部公司级 AI Agent 'Kai' 的构建逻辑，核心观点是：企业大规模应用 AI 的首要挑战不是技术工具，而是治理。Kai 通过 'Project' 机制，将权限、成本、上下文和数据访问的边界以可配置的‘治理单元’形式固化，让少数懂技术的人设定规则，多数员工在安全边界内使用。不到 10 人的核心团队服务了超过 1 万名员工，且采用了将一次性对话转化为可复用‘skill’工作流的模式。适合正在部署或规划部署内部 AI Agent 的 CTO、技术负责人和产品经理阅读，以获取具体的架构和治理实践参考。原文 ↗
核心观点
- ▍企业 AI 的第一性问题不是提供工具，而是提供正确的治理结构，以确保员工在复杂的组织中能放心且正确地使用 AI。
- ▍Stripe 的‘Project’不是简单的文件夹，而是可配置的治理单元与上下文引擎，它规定了权限、模型、工具和审批流程，实现了‘少数人搭台，多数人唱戏’。
- 01Kai 开箱即知员工身份、组织位置，并能通过项目管理系统读取 OKR、邮件与项目，对敏感内容（如 Slack 私信）则由员工自行授权开关。
- 02Kai 的‘ask data skill’通过三层分流进行查询：优先分析层，其次标准仪表盘，最后退到数据目录自写查询，充分利用了已有的数据基础设施。
- 03公司已有约 2000 个通过 Kai 创建的‘skill’，这些 skill 将一次性的 AI 对话转化为可编辑、测试和共享的可复用工作流。
- 04该项目核心团队至今不到 10 人，以约一个半人力两周上线 V0，经试点后推广至全公司，每周有超 1 万名员工使用，采用率超过 86%。
- 05Stripe 通过遥测和 ETL 管道对近 2000 个 skill 进行管理，判断其是否应推广、降级、归档或删除，以避免无用的上下文干扰 AI 输出质量。
反方 / 局限
- — Sharadh 坦言 Agent 会成倍放大基础设施的故障模式，例如高并发调用导致核心系统过载，早期曾出现 Agent 几乎搞垮核心系统的情况，需要投入额外精力加固韧性与降级机制。
5 分钟 · 4 卡片 · 6 资料
读原文 →