Pythian 是一家 IT 服务公司，在其 500 人、横跨 27 个国家的公司内部部署了 Google Cloud 的 Gemini Enterprise，目的是用自己的公司作为试验场，找出企业 AI 如何真正交付 ROI。他们发现，大多数企业 AI 项目失败是因为陷入了“工具中心”思维：买许可证、广泛开放工具、假设价值会自动出现。结果只是追逐每人省几分钟的微效率，却错过了高 ROI 的结构性工作流变革。即使构建了自定义 agent，也常卡在试点模式或生产环境中崩溃，因为团队缺乏管理模型漂移、agent 生命周期和持续可观测性的运营能力。

为了解决这个问题，Pythian 设计了“Pythian AI 运营模型”——一个端到端框架，将战略、执行和运营整合成一个连续循环。该框架包含四个支柱：
– Field CTO 战略与治理：由前 CTO 级别领导者组成，建立指导委员会和清晰的价值指标。使用 16 种横向 agent 模式（如自动文档处理和 runbook 创建）审计运营，在开发前构建高 ROI 用例的优先积压列表。
– 工具与平台部署：在 Gemini Enterprise 等平台上建立安全的生产级基础，将 AI 直接连接到 CRM、ERP 和数据库企业中，让模型拥有真实的公司上下文。
– 双 COE（卓越中心）：分为两个专业引擎。人员生产力 COE 负责采用和变革管理，为非技术团队构建无代码 agent；流程生产力 COE 则工程化深度自定义 agent 和复杂 agentic 工作流，集成到核心数据平台进行自主操作。
– XOps（AI 生产管理）：部署 agent 只是 20% 的工作，维持生产中的准确性是 80%。XOps 提供持续监控、提示调优和模型可观测性，防止 agent 因模型和提示结构自然漂移而损坏核心工作流。

通过内部验证，Pythian 的活跃用户使用量激增 3 倍，数据库事件解决时间缩短了 80%。

客户案例：
– 在 15,000 个每月数据库工单中，流程 COE 部署了一个 agentic 工作流，读取工单、搜索知识库并自动生成小型 runbook，工单解决时间减少 80%，活跃用户参与度增 3 倍。
– 为一家知识管理客户在 10,000 名顾问中部署自主 IT 支持 agent，自动化了 20,000 个年度 IT 工单中的 10% 为“零接触”解决，节省了 100 万+ 运营小时。
– 为一家供应链客户在 Gemini Enterprise 上构建自定义 agentic 供应链工具，将 70 个全球工厂的预测匹配周期从数周压缩到 2-3 天。
– 为一家零售客户结合 Gemini Agentic AI 和计算机视觉，将商店产品上架从 20 分钟手动任务转变为 多秒流程。

文章最后指出，规模化 AI 需要的不仅仅是工具级实验，而是一个端到端的 AI 运营模型。