Bloomberg 的 CTO 办公室架构与新兴技术负责人 Andrey Rybka 把企业 AI 落地分成四级：ChatGPT 式的单次对话提问、通过 MCP 等协议把模型接到遥测与内部工具上的连接器、把重复工作流固化下来的编码代理 harness，以及人类工程师与代理在同一上下文里协作的「多人 AI」。在一座有 45 年历史、9000 多名软件工程师管理庞大 JavaScript 代码库的技术资产里，仅仅更快地生成代码并不够，因为大部分工作是循环，而单次提示框需要人不断触发。他主张用结构化的代理层级与多模型套利替代单一前沿模型：自己的系统由一个「幕僚长」监督代理统筹，再配专门的对抗性代理持续审计与检查工人的产出，并按规划、执行、对抗测试等阶段分别给前沿与开源权重模型做基准，把最合适的模型配到每个阶段，同时把成本当作设计约束。文章还提到生成式工具改变了软件工程的成本函数，以及非技术员工拿着规格模板、LLM 技能包和结构化工具集也在做生产自动化。