AI 代理需要互動基礎設施：Band 獲 1700 萬美元融資解決 AI 協作缺口

AI 代理正在企業網路中快速普及，獨立完成工程管線、客户支援查詢和安全營運等任務。然而，當這些獨立代理需要協作、交換資訊或在不同的雲端環境中運作時，互動框架很快就會失效。人類操作人員被迫成為手動黏合劑，在斷開的系統之間管理脆弱的整合，同時管理權限和資料共享的規則仍然隱含且不明確。

總部位於特拉維夫和舊金山的 Band 正是為了解決這個基礎設施問題而誕生。Band 已完成 1700 萬美元 種子輪融資，由 CEO Arick Goomanovsky 和 CTO Vlad Luzin 領導，致力於為自主企業系統構建專門的互動層。

市場變化的三個關鍵面向

第一個變化是自主代理已從實驗性部署畢業，成為管理工程管線、客户支援查詢和安全營運的活躍運行時參與者。企業使用不再是未來考慮事項，而是當前的營運狀態。迫切需要解決的問題是：當這些不同的代理必須協作時，會發生什麼？

第二個變化是營運環境完全異構。工程團隊使用不同的框架構建不同的工具。這些模型在不同的雲端平台上執行，使用不同的通信協議，並向不同的業務所有者報告。沒有單一供應商控制一切，也沒有統一的框架涵蓋整個生態系統。這種碎片化代表了企業市場的永久形態。

第三個變化是基礎標準層正在形成。Model Context Protocol (MCP) 等倡議為模型提供了存取外部工具的統一方法。同樣，A2A 通信工作正在建立基本的對話參數。

然而，協議定義了握手，卻無法管理生產環境。標準化協議不管理路由、錯誤恢復、權威邊界、人類監督或運行時治理。它們無法呈現可靠互動所需的共享營運空間。Band 試圖填補這個基礎設施空白。

在業務部門之間部署獨立模型會產生複合的整合挑戰。如果點對點整合必須由內部開發團隊手動連接，維護負擔將拖累利潤率並延遲產品發布。財務風險延伸至簡單的整合成本之外。

當自主代理在彼此之間傳遞指令而沒有中央管理者時，組織面臨膨脹的計算費用。多代理推理需要持續呼叫昂貴的大型語言模型 API。路由故障或兩個困惑實體之間的循環錯誤可能在數小時內消耗大量雲端預算。

自主多代理工作流程如果不加管理，將威脅這種可預測性。內部採購模型和外部供應商模型之間的未監控協商可能會觸發數百個推理週期，使代幣使用成本超過底層交易的價值。基礎設施層必須實施嚴格的財務斷路器，終止超過預先定義的代幣預算或計算閾值的互動。

將這些智慧節點與傳統企業架構整合需要大量的工程資源。金融機構和醫療保健供應商在高度強化的本地資料倉儲、主機計算集群和客製化企業資源規劃應用程式上運作。

如果沒有硬化的互動基礎設施，資料腐敗的風險會隨著每個自動化步驟而增加。帳單模型可能會在合規模型同時標記同一帳戶時啟動交易，創建資料庫鎖定或衝突條目。互動層可防止這些碰撞。透過執行能力限制，基礎設施保證自主實體無法對主來源系統強制進行未批准的修改。

向量資料庫（儲存檢索增強生成所需的上下文記憶）也存在類似挑戰。如果技術支援機器人必須將持續的客户互動轉移給專業的硬體診斷機器人，上下文資料必須在隔離的向量環境之間準確傳遞。

當模型被迫解釋其他模型的摘要輸出而不是存取原始的、密碼驗證的資料日誌時，就會發生資料降解。停止這種降解需要嚴格的上下文邊界，以及能夠追蹤所有共享資訊完整血統的中央互動網格。

該平台的設計拒絕單一模型管理整個企業的概念。相反，它預期具有不同優勢和不同角色的專業參與者團隊同步運作，無需相同的架構。

作為框架無關和雲無關的平台，該系統承認現有工具的價值。市場已經擁有功能齊全的開發框架。Band 專注於營運階段，在模型離開實驗室並作為分布式實體進入實體企業網路時參與其中。

治理是此策略的核心。企業技術部署中的常見錯誤是將治理視為次要功能，在初始部署後才修補到系統上。當應用於自主企業代理時，這種方法會失敗。這些系統在組織界線之間委派任務、傳遞上下文和執行操作。如果權威規則保持隱含且資料路由缺乏透明度，即使技術上運行正常，操作也會缺乏必要的信任。

來源：