一、Being deliberate about agents——建 agent 之前先问 4 个问题Agent 正在成为 Target 底层架构的一部分——越来越多地把 supply chain、replenishment、demand forecasting 之间的信号、系统和决策连起来。Mc Feeney 把这件事框成零售业最古老的承诺——在对的时间,把对的产品,送到对的地方——只是现在以规模化方式交付。但她的团队对建 AI agent 一向很 deliberate——从最简单、最明显的问题开始:你要解决的问题是什么?这个问题会引出一串后续问题:这个问题需要 agent 吗?如果需要,什么类型?orchestrator?super agent?domain-specific agent?或者你叫它”agent”的东西,实际上只是个 tool?“你提前把这事定下来——这听起来可能有点过程重——然后你必须注册并认证你的 agent,“Mc Feeney 说。”因为一个解可能已经存在了,你不想重复造轮子。”Agent 设计会引出另一串关键问题:是什么触发 agent 行动?是自动化?工程师?定时器?要放什么机制来跟踪这件事?“我们想确保我们从一开始就有一条 lineage——从 agent 诞生那一刻开始,一路下来——因为某天凌晨 2 点,当事情出岔子时,我们想确保我们理解发生的所有事,“Mc Feeney 说。自主级别是另一个考虑因素;新 agent 通常从基础自主开始,随时间赢得更多。agent 能访问什么,是分开的问题:什么数据、什么系统、什么表、什么数据库?最后,还有监控和可观测性;如果 agent 不被持续评估,它就解不了问题、也进步不了。”我们衡量一切:它本该做什么、它的校准、它的轨迹——不只 runtime 和 latency,“Mc Feeney 说。这造出完全透明,也让 agent 能随时间被微调。”你谈的是架构、分类、和一个绝对必须先建起来的数据治理层,“她说。这些”自主层”里有大量内容——这个基础,就是让 Target 能扩展、并把对的模型投到对的问题上的根本。模型有不同的”gradients”,更适合不同工作;比如 frontier 模型在需要碾过几十亿条数据的复杂任务上很强(像重型 merchandising supply chain)。但在某些场景下,它们代价过高。“所以要确保永远有成本收益,“Mc Feeney 说。二、Agents must earn their autonomy——4 阶段自主级别阶梯一个数字孪生(digital-twin)模拟预测了今年夏天 Long Beach 三家 Target 门店的男士短裤库存——Mc Feeney 说,其中一家店被预测需要比其他两家多 6-7 倍的库存。库存分析师的第一反应:这肯定不对。但系统发现了一个他们没考虑进去的事:这家店离海滩不到 2 mile;其他两家在内陆 10-12 mile。分析师让推荐成立了,库存卖光了。”这是科学。它比人做事在数学上更显著、更让人有信心,“Mc Feeney 说。这种结果,就是 Target 的 agentic 系统能随时间赢得更多自主权的原因。Target 把 AI agent 自主权视为”赢得的(earned)“——Mc Feeney 说,把它结构成 4 级阶梯:Level 1:观察不行动(making observations without acting)Level 2:建议行动 等审批(suggesting actions while waiting for approval)Level 3:在定义好的 guardrails 内行动(acting within defined guardrails)Level 4:end-to-end 跑——但仍 human-in-the-loop(run end-to-end, still with a human in the loop)”agent 的自主级别超级重要,“Mc Feeney 说。”它们赢得它们,而且如果表现不如预期,也会失去它们。漂移的模型会被下线。”她说得很形象:人类赢得自主,是因为我们随时间证明我们能做一件事。没有人因为某一天被交了一堆额外责任;他们必须先证明他们能 handle。类似地,agent 可以被科学地测量和量化:它有多准、漂移了多少、离它本该达成的目标多近。这有助于建立 guardrail,让 builder 能工作得更快——”go fast forever”,因为他们不用一直在想 guardrail 在哪里。“如果你 follow 这些 guardrail、你 follow 安全 guidelines、你注册了 agent,事情还是出错了——我们从一开始就有完整的 lineage,“Mc Feeney 说。”我们的恢复能力强得多。”归根结底,agent 成功是多种因素的汇合,不只是其中一个,她说:“它关于你的架构。它关于你的分类。它关于你 agent 拥有的自主级别,它关于安全和可观测性。”三、A new skill set for new workflows——”coaching humans observing agents building”即使 agent 自主级别很高,builder 在事情出错时仍然必须被追责。Mc Feeney 指出,团队现在正以没人能预想到的速度工作——这意味着必须建立 evaluation harness,注册和跟踪 agent。大量是文化层面的;劳动力在被重塑——builder 和工程师需要新技能来同时管理人 worker 和 AI 系统。这些情境相当不同,但职业进化是”super exciting”。“你是 builder。你在观察 agent 建造,你也同时在 coach 那些正在观察 agent 建造的人类,“Mc Feeney 说。”这种细微程度相当特别。”