人工智能在企业中的作用正在快速演变。从最初的洞察力生成工具，到现在的执行工具，人工智能系统不仅能为决策提供信息，还能为决策采取行动。. 向代理型人工智能的转变标志着业务成熟度进入了一个新阶段。. Gartner 预测 到 2028 年，将有 33% 的企业软件应用程序采用代理型人工智能，而 2024 年还不到 1%. .这预示着从辅助工具到嵌入日常工作流程的自主系统的快速转变。.
在本期中，我们将通过以下文章探讨这种转变是如何形成的：
- 人工智能代理 重塑零售参与和运营
- Data 平台 实现可扩展的自治
- 供应链和财务 为实时协调部署人工智能
- 长期代理 重新界定管理和授权
自主人工智能与零售业的未来：专访Artefact集团首席执行官埃德华·德·梅泽拉克。.
自主人工智能与零售业的未来：专访Artefact集团首席执行官埃德华·德·梅泽拉克。.
“有了 agentic，每项功能都会受到影响”。”
人工智能代理将如何影响购物行为？:
- 消费者将使用个人人工智能代理 搜索、比较和购买产品，对品牌和网站的准备工作提出了新的要求。.
- 零售商正在融入人工智能生态系统. .Edouard 以 OpenAI 和沃尔玛的合作为例，在这种合作中，对话界面成为了新的商务渠道，它比传统的交易 data 提供了更丰富的消费者洞察力。.
- 代理商务将改变内部零售业务, 支持销售团队、谈判、促销和供应商管理。. 部署人工智能代理的关键先决条件是什么？
- Data 准备就绪, 在这种情况下，datasets 将被规范化、标准化，并在语义上与 datasets 保持一致。.
- 流程就绪, 通过明确的工作流程，代理人可以有效地开展工作。.
- 技术准备, 从平台选择到构建与购买决策。. 在 TCG 领域，投资回报率将首先出现在哪里？
- 客户服务 通过人工智能驱动的自我保健提供即时回报。.
- 营销和内容自动化 正在加速运动适应。.
- IT 运营, 从代码迁移到异常监控，都是节省成本的重要机会。.
Data 与代理平台：人工智能创新的推动力。.
Data 与代理平台：人工智能创新的推动力。.
传统的报告架构难以支持当今的人工智能需求，而现代模式，如 data 湖屋、data 网架和 data 拱顶框架 构建受监管且适用于商业应用的生态系统。通过整合结构化与非结构化的data数据，这些平台助力 预测分析, GenAI 应用, 和 决策自动化. .它们已经在改变预测、客户参与和运营优化。然而，仅有技术是不够的。成功取决于克服 遗留问题整合的挑战, 加强治理, 和 嵌入强大的 data 管理能力 通过分阶段实施。Agentic data platforms 标志着下一阶段的发展，使人工智能系统能够 近乎实时地触发决策和工作流程. .现在进行投资的组织正在建立必要的智能层，以便在竞争激烈的市场环境中脱颖而出。 人工智能驱动的经济.
从成本到价值：人工智能引领的供应链革命。.
从成本到价值：人工智能引领的供应链革命。.
供应链已从业务骨干发展为 竞技场. .然而，尽管波动性不断增加，许多组织在计划、物流和配送方面对人工智能的利用仍然不足。这本实用指南适用于寻求将供应链从成本中心转变为 战略价值驱动因素 通过有针对性地应用人工智能。这一转型始于规划：人工智能既能增强 销售与运营计划（S&OP）及执行（S&OE）, 使公司能够从被动预测转变为 动态、data-driven 协调. 在一项家电行业案例研究中，人工智能实现了跨职能的需求、库存和瓶颈分析的自动化，从而带来了 40% 提高运营效率，改善 SKU 级能见度，减少库存.
超越规划、, 人工智能开启了整个价值链的优化:
- 智能库存政策 平衡服务水平与成本控制。.
- 物流应用 改善入站物料流和出站交付性能。.
- 数字双胞胎和模拟模型 进一步加强情景规划和风险管理。.
金融服务业转型中的 GenAI 和代理人工智能。.
金融服务业转型中的 GenAI 和代理人工智能。.
Artefact 展示了生成式人工智能和代理式人工智能如何融合在一起。 重塑运营和价值创造 适用于银行、保险公司和金融科技公司。投资回报率较高的应用场景包括交易和投资组合优化、客户互动、文档处理以及自动化报表生成。早期采用者表示已获得切实收益：从 25% 研发周期缩短 至 40% 提高信息技术的生产力, ，同时在人工智能驱动的客户服务方面也实现了显著的成本节约。真正的转变来自能够……的代理式人工智能系统，这些系统可以 实时监控交易，主动发现欺诈行为，优化风险管理, 和 自动化工作流程 在尽可能减少人工干预的情况下，将人工智能从决策支持转变为执行。这些新能力正在加速创新并提升响应速度，但要实现其规模化应用则需要 强大的治理、data 安全和合规框架.
长期人工智能代理：从简短提示到持续自主 技术洞察：三部曲系列。.
长期人工智能代理：从简短提示到持续自主 技术洞察：三部曲系列。.
维克托-科英布拉, Artefact拉美地区合伙人兼Data平台与IT负责人, 因在人工智能创新领域做出的杰出贡献，入选《福布斯》“巴西30岁以下精英榜”。他在国际市场上拥有丰富的专业经验，擅长扩展人工智能解决方案并组建高绩效技术团队。.
长期人工智能代理，第一部分：无人问津的问题。.
长期人工智能代理，第一部分：无人问津的问题。.
人工智能在崩溃之前能维持多久有意义的工作？研究显示 任务持续时间每 7 个月翻一番. .但实际生产情况却落后于基准。在企业测试中、, 未经人工清理，无法使用人工智能输出结果. 文档缺失、验证问题和质量缺陷是系统性的。清理工作所耗时间平均占任务总时长的三分之一。这造成了一种生产力悖论。在受控研究中，, 由于调试、上下文切换和质量补救，人工智能用户的速度慢了 19%. 根本原因在于架构设计。. 随着任务时间的延长，人工智能工作记忆会趋于饱和, 这就造成了上下文丢失、矛盾和复合错误。不同领域的能力也大相径庭。长期人工智能正在快速进步、, 但持续自治仍然有限.
长期人工智能代理，第二部分：三种实际可行的方法。.
长期人工智能代理，第二部分：三种实际可行的方法。.
虽然人工智能会在长时间的工作流程中退化，但可以通过三种架构方法来扩展长期代理操作： 1.新启动循环： 当性能下降时，重置人工智能。工作会被保存到外部，会话会以干净的方式重新启动，进度会继续递增。. 2.选择性记忆： 只保留会话之间的基本上下文。2. 2.进度跟踪器、摘要和变更历史记录可保持连续性，同时减少信息过载。. 3.团队协调： 将工作分配给由中央协调器管理的多个专用代理。通过分解任务并仅转发相关信息，多代理系统在处理复杂任务时表现远优于单个代理。每种方法都会将人工智能无法在内部可靠保留的信息外部化。. 自行车偏向于简单性，记忆系统偏向于连续性，团队偏向于规模化和专业化. .大多数生产部署都会将三者结合起来。.
长期人工智能代理，第三部分：这对企业的实际意义。.
长期人工智能代理，第三部分：这对企业的实际意义。.
随着人工智能的长期运行、, 人工智能助手将转向人工智能工人. .将出现长达八小时的工作流程，包括完整的交付和实施。.
:
- 界面将从对话式工具演变为委托系统，仪表盘、检查点、审计日志和恢复机制将取代实时提示。.
- Data的质量和治理将变得至关重要，因为长期运行的人工智能可能会导致错误累积、越权，或基于错误的假设进行操作。.
- 包括访问控制、权限提升触发条件和决策日志记录在内的受限自治框架将成为强制性要求。.
长期人工智能尚未完全成熟，但它在今天的以下方面已具有可操作性 目标用例. .现实的机遇在于 结构化、注意力密集型工作 可衡量的结果。有意识地进行试验，并制定强有力的防范措施的组织将 先声夺人.
耐克森客户案例：制定2028年全球data及人工智能战略。.
耐克森客户案例：制定2028年全球data及人工智能战略。.
作为电气化领域的全球领导者，耐克森在 40 个国家开展业务，支持能源转型和可持续电气化。在其成功的 SHIFT 性能计划的基础上，耐克森推出了 SHIFT AI 使 data 和人工智能成为业务绩效的核心驱动力。他们定义了 2028 AI 愿景，建立了 统一 data platform, 和 部署强大的 data governance. 挑战: 通过 data 架构和人工智能（AI）支持大规模业务转型。借助 SHIFT AI，耐克森的目标是 将企业 data 的使用量从 20% 提高到 90%. .为此，他们需要
- 评估 data 和人工智能成熟度
- 制定与业务优先事项相一致的战略
- 识别高价值的 AI 用例并确定其优先级
- 提高整个价值链的灵活性
- 平衡增长、可持续性和经济绩效 解决方案:耐克森部署了集中管理的 data platform。.
- 在各业务职能领域中，共识别出70余个data、BI和AI用例
- 为2028年规划确定了25个优先级最高的战略用例
- 2025年部署了五个用例 成果:可扩展的 data 和人工智能运营模式已实现业务价值，工业人工智能战略与长期业务绩效保持一致。.
“耐克森目前采用工业级data系统和人工智能框架，该系统直接支持企业的长期业务表现、卓越运营及可持续发展目标。如今，data已被作为战略资产进行管理，并融入耐克森的核心业务运营之中。’ 纪尧姆-埃梅里, Nexans 首席战略与采购官兼 Excom 成员
