F1用AI Agent清掉18个月积——关键不是自主，而是可控
如果一个团队积压了18个月的工作，我们第一反应也许是：是不是人手不够？F1最近披露的一个案例，给了我们另一种观察角度。F1的营销技术平台Customer 360需要持续接入票务、流媒体、赞助活动、社交媒体和商品销售等数据源。过去，每接入一个新数据源，工程师都要手工完成字段映射、数据管道、质量检查、GDPR分类和治理策略，通常需要6至8周。12个待接入数据源，由此形成了大约18个月的积压。F1与AWS在2026年初共同建设Data Accelerator后，新数据源接入被压缩为约40分钟代码生成，再加数小时部署与人工审核；AWS披露，Agent承担了约95%的接入任务，原有18个月积压在数周内被清理。需要说明的是，这些数据来自AWS与F1联合发布的案例文章，属于项目方披露，并非独立第三方测评[1]。
数字很吸引人。但也许更值得研究的，不是Agent做了多少工作，而是F1如何让它进入生产环境。这个系统的起点不是一句模糊指令，而是一份业务需求文档。Agent读取需求后，先生成配置文件，再通过GitHub创建代码审查请求，同时在Jira中建立对应任务。工程师审核配置后，才会触发下一阶段，由Agent分别生成基础设施代码、数据转换代码和治理策略。每一项修改依然要经过原有的工程审批流程。也就是说，Agent并没有绕开组织原来的管理体系。它被放进了一个已经存在的需求、开发、测试、审批和发布流程中。这也许能提醒我们：企业引入Agent时，首先要设计的并不是“它有多自主”，而是“它在什么边界内工作”。企业筛选AI场景时，常会从“员工每天花时间最多的工作”开始。但耗时，并不等于适合交给Agent。F1的数据接入流程之所以能够被大幅自动化，可能与几个条件有关：输入有相对明确的格式；产出物可以通过代码测试和数据规则验证；任务由大量重复的专业步骤构成；Agent能够调用GitHub、Jira等正式工具；关键节点保留人工审批；出现问题后可以回滚。换句话说，这是一个边界相对清楚、结果能够验证、错误能够追溯的流程。如果一个任务高度依赖模糊判断，结果又缺少客观检验标准，即使它很耗时，也未必适合优先Agent化。也许企业真正需要的，不是一张“高耗时任务清单”，而是一张Agent化适配评分卡。AWS的案例文章提到，Agent承担约95%的接入工作。但F1采用的原则是“AI提出，人来审核”。系统使用最小权限和一小时失效的短期凭证；所有操作保留审计记录；每个代码请求都要由工程师批准；Agent还需要为自己的修改生成自动化测试；合并后如有问题，可以立即回滚；整个系统运行在隔离网络中，没有直接互联网访问[1]。这些控制措施看上去会降低Agent的自由度，却可能正是它能够进入生产环境的原因。我们有时会把Agent的成熟度理解为“人越来越少介入”。但在真实企业中，另一种成熟也许更加重要：人知道什么时候授权，系统知道如何留痕，错误能够及时被发现，责任能够被清楚地追溯。F1的案例并不意味着每家企业都需要建设同样复杂的系统。它更像是一份可供讨论的样本。对企业而言，也许可以先选择一个范围较窄的流程：输入和输出相对标准，有明确规则，可以测试，有正式系统承接，也有清楚的人工审批点。然后把流程拆成“需求规格—自动执行—证据与结果生成—人工审核—正式交付”几个阶段。这与完全自主相比，似乎没有那么激进。但它可能更接近Agent真正进入业务的方式。AI Agent是否有价值，最终或许不取决于它能否独立完成一次惊艳的演示，而取决于它能否在企业现有的权责、流程和风险约束中，持续完成可验证的工作。这件事没有统一答案。也许我们可以先问：在自己的企业里，哪一个流程已经具备了“可定义、可验证、可审批、可回滚”的条件？这个案例还带来另一个值得讨论的问题：企业究竟是在采购一个AI工具，还是在重新设计一段工作流程？如果只是把Agent放在旧流程旁边，让员工多开一个对话框，效率提升可能很有限。F1的做法更接近流程重构：把业务需求文档设为统一入口，把代码审查和Jira任务设为正式交接点，把测试、权限、审计和回滚写进运行机制。Agent不是额外增加的一层工具，而是被嵌入了原有工作流。这意味着，Agent项目往往需要业务、流程、数据、系统和治理几方面共同参与。技术团队可以建设执行能力，但哪些步骤可以自动完成、哪些判断必须由人承担、什么结果才算合格，仍然需要业务管理者共同定义。也许，企业评估Agent项目时，可以少问一句“模型够不够聪明”，多问几句：流程是否已经被说清楚？判断标准是否可以落到规则和测试？异常由谁处理？最终责任由谁承担？这些问题看起来没有模型参数那么新鲜，却可能决定一个Agent能否真正留下来。[1] Subhro Bose, Arunraja Kumar, Jerome Descreux, Matt Kemp, “From weeks to minutes: How Formula 1® uses agentic AI on AWS to accelerate data operations,” AWS Artificial Intelligence Blog, August 3, 2026. 文章中的6至8周、40分钟、95%、18个月积压等数据均来自该案例披露。
