从静态模型走向自主代理
2026 年，人工智能的重点已从基本实施转向扩展自主系统。Gartner 预计，到 2028 年，三分之一的人工智能生成交互将依赖于自主代理。.
本期内容
- 我们探讨如何 记忆后训练增强人工智能代理的能力 来主动管理自己的认知状态，从而降低计算成本，同时达到大型模型的精度。.
- 我们的新白皮书《超越离职预测的人员分析》揭示了人力资源领导者如何在整个员工生命周期中利用自主代理来提高效率：人工智能在人力资源领域的潜在应用》揭示了人力资源领导者如何在整个员工生命周期中利用自主代理来 个性化发展和预测缺勤率, 这远远超出了基本的营业额预测。.
- 我们讨论了人工智能对制造业的变革性影响，重点指出 预测性维护可缩短停机时间 30%、, 前提是各组织实施强有力的业务管理。.
第一部分 - 后期记忆训练： T让代理商记住，而不仅仅是检索。.
Artefact 合作伙伴兼 Data 平台与 IT 负责人维克多-科英布拉（Victor Coimbra）解释说，过去，企业通过昂贵的微调来定制人工智能行为，这需要庞大的计算能力和专业工程师。.
随着对话语境的增加、, 成本呈二次方扩展，模型难以保留相关信息。. 检索增强生成或启发式规则等传统解决方案的不足之处在于，它们依赖于语义相似性或僵化的人为设计逻辑。.
后记忆训练提供了一种更容易接受的替代方法，它在后训练阶段利用强化学习来教会模型如何管理自己的认知状态。. 代理通过试验和错误来学习何时存储、更新、删除或检索信息以完成任务。.
“这种方法所需的计算能力大大降低，使规模较小的组织也能建立功能强大的自主代理”。” 维克多说。.
主要的建筑见解包括
- 使用后置记忆训练的小型模型可以 精度可媲美或超过更大的模型 同时减少推理延迟。.
- 代理可以 保持内存大小不变 通过生成内部状态并丢弃以前的上下文。.
- 专门的内存操作可使模型 以线性复杂度和最小的性能损失处理海量文件。.
第二部分 - 从记忆到导航： 扩展自主代理，超越检索。.
最近在后记忆训练和递归语言模型方面取得的进展，为以下方面提供了一条非常便捷的途径 扩展自主人工智能代理。. 一直以来，企业都依赖于昂贵的微调或僵化的 RAG 来管理长环境。如今，我们可以做到这一点、, 强化学习允许模型通过决定存储、删除或合并什么内容来主动管理自己的记忆状态。.
此外，递归语言模型将上下文管理重新定义为一项导航挑战，而不是简单的检索任务。. 代理不是被动地接收 data，而是主动地探索、过滤和选择性地阅读大量外部环境。. 自主人工智能代理在生产中展示了这些概念、, 大大降低了计算成本，无需专门的机器学习专家。.
正如维克多指出的那样、, “能够扩大生产规模的代理商不会是那些拥有最大背景窗口或最昂贵型号的代理商”。”
- 代理通过以下方式学习内存管理 试错 而不是昂贵的重量改装。.
• 模型积极 导航外部知识，而不是依赖于被动的语义相似性。.
- 这些方法 降低推理成本，防止可靠性下降 在扩展的工作流程中。.
超越人员流失预测的人员分析：人工智能在人力资源领域的潜在应用。.
人力资源部门正在从一个被动的成本中心发展成为一个积极主动的组织价值驱动力。然而，许多公司仍将 data 的使用局限于基本的人员流动预测。. 人力资源领导者必须从被动的仪表盘转变为主动的协调能力 通过在整个员工生命周期中整合机器学习、生成式人工智能和自主代理，以便在员工留任成为问题之前，提前预测需求、个性化发展和优化员工健康。.
- 自主人工智能代理正在取代传统的人力资源票务系统，使人力资源部门能够 大规模协调无缝职业生涯。.
- 真实世界的实施可以 预测缺勤情况以节约成本 和 绕过人为偏见 物色不同的领导人才，以实现财务回报。.
- 成功部署人工智能需要 健全的道德治理 和严格的技术保障措施，以 保护员工隐私，维护信任。.
“人力资源领域的人工智能往往被简化为一个单一而熟悉的场景：预测员工流失率。超越传统模式的公司将获得前所未有的竞争优势”。”
人工智能驱动的产业价值链转型。.
Artefact 的 Managing Partner 兼公用事业与工业全球负责人 Alexandre Thion de la Chaume，以及合伙人兼制造业全球负责人 Florence Bénézit 共同探讨了人工智能在工业和制造业中面临的挑战，以及人工智能要真正推动绩效、创新和复原力发展需要满足的条件。.
制造商正面临能源成本上升、供应链中断和严格的可持续发展要求。为了适应这种情况，企业正在其运营中实施人工智能，以实现复杂工作流程的自动化。. “人工智能可用于更好地预测需求和调整供应链”。” 亚历山大说。.
尽管存在这些机遇，但分散的 data 和严格的安全要求仍然是重大障碍。成功需要坚实的 data 质量和运营管理基础。正如佛罗伦萨强调的那样, “就像我们今天监控 data 的质量一样，我们也需要监控人工智能代理的质量”。”
从他们的谈话中获得的重要启示
- 预测性维护可以 将维护成本和停机时间减少约 30%。.
- 人工智能驱动的自动化有可能 工艺持续时间缩短 70 - 75%。.
- 部署人工智能需要强有力的管理框架，以便 平衡创新与运营风险和人身安全。.
Adopt AI 峰会：探索 2025 年版本的见解。.
与枢纽研究所合作制作的 Adopt AI - 大皇宫 2025 报告 从去年大皇宫的讨论中汲取了重要经验。.
随着人工智能从试点走向产业规模部署、, 该报告提炼了全球首席执行官、公共领导人和人工智能先驱的观点。. 它为组织如何将雄心壮志转化为影响力提供了一个结构化的视角。.
阅读报告，让您的组织掌握峰会上分享的可行见解和运营路线图：
• 战略框架 从实验到可衡量的业务价值。.
- 重点突出的部门深入研究 具体的人工智能应用案例 横跨 10 个行业
- A 主权路线图 解决欧洲的治理、道德和基础设施问题。.
保存 2026 年 Adopt AI - 大皇宫峰会的日期
12 月 3-4 日在巴黎举行！
