AI时代企业架构师应具备哪些能力

AI正在改变企业的业务模式、业务流程、应用形态、数据使用方式和技术平台，也在改变企业架构师的工作内容。传统企业架构师更多关注业务、应用、数据和技术之间的整体设计与协同，而在AI时代，架构师还需要理解大模型、智能体等新技术如何进入业务场景，判断其对现有架构带来的影响，并推动AI能力与业务、数据、应用和技术体系融合。

因此，AI时代企业架构师的能力要求并不是用AI能力替代传统架构能力，而是在业务理解、架构设计、架构治理和技术研判等专业能力基础上，进一步补充AI基础知识、数据思维、人机协同和AI创新等能力，并根据企业级架构师和系统级架构师的不同职责形成差异化能力要求。

一、AI时代企业架构师的角色发生了什么变化

企业架构师的核心职责始终是连接战略、业务与技术。过去，架构师更多通过架构蓝图、架构原则、技术标准和项目评审等方式指导企业数字化建设；随着AI逐步进入企业核心业务流程，架构师面对的对象已经扩展到大模型、智能体、知识库、模型服务和AI平台等新型能力。

这意味着架构师不仅要回答“企业需要建设哪些业务能力和信息系统”，还要进一步判断哪些业务环节适合引入AI、AI能力应如何与现有应用和数据结合、哪些能力可以形成企业级复用，以及AI带来的模型不确定性、数据安全、权限边界和人机协同问题如何通过架构进行约束。

同时，不同层级架构师承担的职责并不完全相同。企业级架构师侧重顶层规划、跨域协同、架构治理与标准制定，更多从企业整体出发设计目标架构、统一方法标准并推动跨专业协同；系统级架构师聚焦具体业务域或系统的架构设计、落地实现与运营保障，重点推动架构要求在具体项目和系统中真正落地。两类架构师能力要求各有侧重，但需要通过统一的架构方法、标准和治理机制保持衔接。

二、AI时代企业架构师需要建立怎样的能力框架

企业架构师能力不能仅通过是否掌握某一种架构方法或技术进行判断，而应形成覆盖通用素养、专业实践和创新引领的完整能力结构。

首先是通用能力。通用能力层方面，研究AI基础知识与素养、数据思维、人机协同意识等基础能力项的定义方法。AI基础知识与素养要求架构师理解大模型、多模态模型、知识图谱、智能体等基本概念及其适用边界；数据思维要求能够从数据获取、治理、流转和应用角度分析问题；人机协同意识则要求能够判断哪些任务适合AI自动完成、哪些任务需要人工判断以及二者如何合理分工。

其次是专业能力，包括业务理解、架构设计、架构管控和技术研判等传统架构师核心能力。这些能力仍然是AI时代架构师的基础，只是需要进一步将AI相关对象和要求纳入原有架构工作。

在此基础上，还需要形成面向AI时代的卓越能力，包括AI创新引领、跨域智能协同设计等能力，使架构师不仅能够使用既有方法完成架构设计，还能够结合新技术变化持续推动企业架构方法和业务模式演进。

由此可以形成“通用能力—专业能力—卓越能力”的分层能力框架，使AI能力真正融入架构师原有能力体系，而不是形成一套与企业架构相互割裂的技术能力要求。

图1 AI时代企业架构师分层能力框架

三、为什么业务理解与战略转化仍然是核心能力

无论技术如何变化，企业架构的出发点仍然是业务。架构师首先需要理解企业为什么要进行某项建设、业务希望解决什么问题，再判断需要怎样调整业务能力、流程、数据、应用和技术。

因此，业务理解能力需要重点关注架构师对业务战略、业务流程和业务规则的掌握程度，以及将业务需求转化为架构设计的能力。仅仅理解业务需求表面的功能描述是不够的，架构师还需要识别需求背后的业务目标、业务能力和业务约束。

例如，当企业提出建设智能客服时，架构师不能直接将需求理解为“部署一个大模型”，而需要分析客户服务流程中哪些节点适合知识问答、哪些节点需要调用业务系统、哪些操作必须经过人工确认，再进一步确定模型服务、知识库、数据、接口和权限等架构要求。

因此，AI时代的业务理解能力，本质上仍然是把业务目标逐步转化为可以设计、建设和治理的架构要求，只是需要进一步判断AI能够在哪些环节发挥作用。

四、架构设计与架构治理能力需要发生哪些变化

架构设计能力要求架构师能够从业务需求出发，对业务、应用、数据、技术和安全进行整体设计，并形成架构蓝图、架构视图和实施路径。进入AI时代后，大模型、模型服务、智能体、知识库和向量数据库等对象也需要纳入架构设计范围。

因此，架构师不仅要掌握现状架构梳理、目标架构设计、差距分析和演进路线规划，还要能够判断AI能力如何嵌入业务流程、模型服务如何与应用解耦、智能体如何调用数据和业务工具，以及AI能力如何形成企业级复用。

架构管控能力则重点体现在架构评审、合规审查、问题诊断和架构治理等方面。架构师需要判断项目方案是否符合企业总体架构和标准，识别重复建设、架构冲突、技术路线偏离和AI能力重复引入等问题，并推动问题整改。

随着AI应用增多，架构治理的对象也需要从传统系统和技术组件进一步扩展到模型、智能体、知识库、推理服务等AI资产，使AI能力从项目内部的技术实现逐步转化为企业能够统一管理的架构资产。

五、AI时代为什么需要更强的技术研判能力

企业架构师不需要承担算法研发工作，但必须具备足够的技术理解能力，才能判断新技术是否适合企业以及应当如何进入现有架构。

技术研判能力包括对技术发展趋势的判断、技术选型决策以及新技术学习和应用能力。面对大模型、多模态模型、智能体等快速发展的技术，架构师需要理解其基本原理、能力边界和主要风险，避免因为技术热点而盲目调整企业架构。

例如，对于一个可以通过确定性业务规则解决的问题，并不一定需要引入大模型；对于涉及多步骤任务理解、知识检索和工具调用的场景，则可能适合采用智能体。架构师需要结合业务价值、数据条件、实施成本、模型效果和风险水平进行综合判断。

这种能力的核心并不是“掌握多少AI技术名词”，而是能够把技术能力与业务问题、架构约束和企业长期演进方向联系起来。

六、企业级架构师与系统级架构师的能力要求有何不同

两级架构师需要共享基本的业务理解、架构设计和AI通用能力，但由于工作范围不同，其能力重点应有所区分。

企业级架构师侧重顶层规划、跨域协同、架构治理与标准制定，因此需要具备更强的战略理解、企业级架构规划、跨专业协调、架构治理和AI战略规划能力。其关注重点不是某一个模型或系统如何建设，而是企业整体应该形成哪些AI能力、哪些能力需要统一建设和复用，以及AI应用如何与企业总体架构保持一致。

系统级架构师聚焦具体业务域或系统的架构设计、落地实现与运营保障，因此需要更加深入地理解具体业务场景、应用系统和技术实现，能够将企业级架构原则落实到项目设计中，并进一步完成AI原生架构、模型服务接入、智能体设计、数据与技术方案等具体工作。

两级架构师不是简单的上下级关系。企业级架构师负责形成企业整体方向、标准和约束，系统级架构师负责在具体业务和系统中进行深化设计，并将实施过程中发现的问题反馈到企业级架构治理体系，从而形成从顶层规划到项目落地再到架构优化的闭环。

图2 企业级与系统级架构师差异化职责及协同机制

七、如何建立架构师能力评价标准

架构师能力评价不能只判断“会不会”，还需要判断能够在多复杂的场景中独立完成什么工作。因此，需要首先建立统一的能力指标，再针对不同层级设置不同的评价标准。

业务理解能力可以评价架构师对业务战略、业务流程和业务规则的掌握程度，以及将业务需求转化为架构方案的能力；架构设计能力可以评价其在顶层规划、跨域协同设计和架构视图建模方面的实际表现；架构管控能力可以评价架构评审、合规审查、问题诊断和治理经验；技术研判能力则可以评价其对技术趋势、技术选型以及新技术应用的判断能力。

对于AI时代新增的通用能力，则可以围绕AI基础知识与素养、数据思维和人机协同意识等设置具体评价项，并结合企业级架构师与系统级架构师的职责形成差异化要求。

在能力成熟度方面，可以定义初级、中级、高级、专家级四个等级在各能力项上的具体表现特征和判断标准，例如，初级架构师能够在指导下完成规定范围内的架构分析，高级架构师能够独立完成复杂业务域的架构设计，而专家级架构师则应能够处理跨域复杂问题、制定架构方法标准并推动架构创新。

这样，能力模型才能从抽象的“能力要求”转化为可观察、可评价和可培养的具体标准。

八、如何推动架构师能力持续成长

建立能力模型的最终目的不是评价架构师，而是形成清晰的人才成长路径。企业可以根据能力评价结果识别不同架构师的能力优势和短板，并通过培训学习、项目实践、跨域协同和案例复盘等方式持续提升能力。

对于初级和中级架构师，可以重点通过项目实践提升业务理解和架构设计能力；对于高级架构师，可以增加跨业务域、跨架构域项目历练，强化复杂问题解决和协同决策能力；对于专家级架构师，则可以更多承担企业级架构规划、方法标准制定、重大项目架构决策以及AI创新探索工作。

与此同时，还需要优化两级架构师之间的协同机制，明确企业级架构师和系统级架构师的职责边界、协作流程和沟通方式，使企业级架构要求能够向项目传递，项目实践经验也能够反向沉淀到企业级架构体系。

AI时代企业架构师能力建设的核心，并不是培养一批既懂所有业务又精通所有AI技术的“全能型人才”，而是建立清晰的角色分工、分层能力标准和协同机制。企业级架构师负责把握整体方向与治理要求，系统级架构师推动具体方案设计与落地，两者在统一架构语言和方法体系下协同，才能真正把AI能力转化为企业持续演进的架构能力。

参考来源

[1] The Open Group. TOGAF Standard, 10th Edition.

[2] The Open Group. TOGAF Series Guide: A Practitioners’ Approach to Developing Enterprise Architecture Following the TOGAF ADM.

[3] SFIA Foundation. Skills Framework for the Information Age.

[4] ISO/IEC/IEEE 42010:2022. Systems and software engineering — Architecture description.

[5] Lankhorst M. Enterprise Architecture at Work: Modelling, Communication and Analysis.

[6] Russell S, Norvig P. Artificial Intelligence: A Modern Approach.

[7] NIST. Artificial Intelligence Risk Management Framework (AI RMF 1.0).