💼VentureBeat•最新收集於 23m
Liberty Mutual 採用模組化 AI 架構以避免供應商鎖定
#ai-architecture#multi-agent-systems#vendor-neutral#enterprise-ailiberty-mutual-ai-backboneliberty mutualamazon bedrockfable 5aws
💡學習如何構建具備韌性且與供應商無關的 AI 架構，以應對重大模型服務中斷。
⚡ 30-Second TL;DR
有什麼變化
建立了一個包含 50 多個獨立組件的控制平面，用於安全、編排和策略管理。
為什麼重要
此架構展示了大型企業如何降低 AI 模型快速變動帶來的風險。透過解耦控制平面，企業即使在主要 AI 供應商中斷服務時，也能維持營運連續性。
下一步行動
透過在統一的內部介面後封裝特定供應商的 SDK，將您的 AI 編排層設計為模型無關（model-agnostic）。
誰應關注：Enterprise & Security Teams
關鍵要點
- •建立了一個包含 50 多個獨立組件的控制平面，用於安全、編排和策略管理。
- •將 Amazon Bedrock AgentCore 作為可替換的執行環境，而非戰略性依賴。
- •透過專門的代理（Epic、Story、編碼、測試、分類）構建了自動化軟體工廠。
- •避免使用「萬能型」代理，改採上下文受限的小型代理以提升效能。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •Liberty Mutual 的 AI 骨幹架構採用了基於事件驅動的微服務設計，確保在切換底層模型時無需重構上層業務邏輯。
- •該公司在實施過程中導入了『模型評估框架』，能夠自動化測試不同供應商模型在特定保險業務場景下的準確率與延遲表現。
- •此架構整合了專有的數據治理層，確保在多供應商切換過程中，敏感的客戶保險數據始終保留在內部私有雲環境中。
- •Liberty Mutual 的開發團隊利用了開源編排框架（如 LangChain 或類似的企業級封裝）來實現控制平面與執行環境的解耦。
- •該系統支援『混合模型部署』，允許在同一工作流程中根據成本與複雜度，動態調用不同供應商的輕量級或重量級模型。
🛠️ 技術深入
- 採用控制平面（Control Plane）與數據平面（Data Plane）分離架構，控制平面負責策略執行、合規性檢查與路由邏輯。
- 執行環境（Execution Environment）透過標準化 API 介面與控制平面通訊，實現模型供應商的熱插拔。
- 實施上下文注入（Context Injection）機制，將保險領域知識庫與即時客戶數據分離，確保代理在執行任務時能獲取精確的上下文。
- 導入自動化評估管線，針對每個代理（Epic、Story 等）設定效能基準（Benchmark），一旦模型表現低於閾值即觸發自動切換機制。
🔮 前景展望AI analysis grounded in cited sources
企業 AI 採購將從單一供應商轉向『模型中立』架構。
Liberty Mutual 的成功案例將推動大型企業優先考慮架構靈活性，以規避單一供應商技術債與服務中斷風險。
保險業 AI 代理的開發將趨向於高度專業化的微型代理。
透過將複雜任務拆解為小型、上下文受限的代理，企業能顯著降低幻覺風險並提升特定業務流程的自動化效率。
⏳ 時間線
2024-05
Liberty Mutual 開始啟動企業級 AI 基礎設施現代化計畫，旨在解決供應商依賴問題。
2025-02
完成 AI 控制平面原型開發，並成功整合首個外部模型供應商。
2025-11
正式部署自動化軟體工廠，將 Epic 與 Story 代理投入生產環境。
2026-04
在 Fable 5 服務中斷期間，成功驗證了 AI 骨幹架構的供應商無縫切換能力。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： VentureBeat ↗