Redefining enterprise intelligence with autonomous AI

用自主AI重新定义企业智能 | MIT Technology Review

赞助

人工智能

用自主AI重新定义企业智能

可组合的基础设施、主权数据和跨职能协调能够使智能流动，使AI变得更聪明。

作者：

• MIT Technology Review Insights档案页面

2026年10月2日

与Uniphore合作

企业AI不再是未来愿景，它已全面投入运营。模型能力的发展速度远超大多数组织的吸收能力，而性能成本持续下降。全球AI投资预计2026年将达到2.5万亿美元，较上年增长44%。

对许多企业而言，这种投资带来了碎片化问题。智能可能积聚在信息孤岛中，例如销售代理可能不知道有未处理的客户支持工单，或营销系统在未了解财务部门已掌握的客户信息情况下就进行内容个性化。每个职能模块可能在独立运行时表现良好，但整个企业整体的学习能力有限，可利用的信息也更少。

下载报告

从AI作为工具向AI作为运营模式的转变——我们在此报告中称之为“智能体转型”——需要的不仅是更好的模型或更快的基础设施，而是更根本的变革。这需要实时连接人员、流程和数据，并建立可靠的治理和控制机制来利用这些智能。

这意味着必须同时重新思考架构和运营模式。首先，重建数据基础设施以提升可访问性而非单纯追求数据量。其次，用可组合的架构取代固定的科技堆栈，使架构能随着模型和工具的变化而演进。最后，解决AI主权问题，包括确定智能的运行位置、控制权归属，以及如何跨越组织和司法管辖边界进行操作。

关键发现包括：

企业AI的扩展问题具有结构性。以流程为导向的公司正在取得领先优势。全球AI支出正在迅速增长，模型能力的发展速度远超大多数组织的整合能力。然而，大多数企业仍未通过AI实现收入增长，也未从根本上重新思考其运营方式。那些能持续获得回报的公司都遵循着共同的准则：他们将流程再造视为模型选择前的基础工作，为技术的未来发展进行建设，而非在部署后对角色和工作流程进行修补。对他们而言，智能体转型始于运营模式的转变。

AI的可扩展性取决于数据准备度而非数据数量。大多数企业直到后期才意识到，拥有数据与拥有AI就绪的数据是截然不同的两回事。一个主权化、可组合的基础架构——能够在数据所在位置进行查询和准备，而无需迁移或集中化——可以将原始数据环境转化为AI代理可操作的智能。随着数据驻留法律、多云环境和结构性复杂性使集中化变得越来越不切实际，对模型运行位置和数据存储位置的主权控制，正是保持这种适应性的关键。

下载报告。

此内容由MIT Technology Review的定制内容部门Insights制作，而非其编辑团队。内容由人类研究和撰写，任何可能使用的AI工具均在人类监督下用于生产流程。

深度分析

人工智能

AI的递归自我改进可能不会来得如此迅速

看来AI代理尚未具备足够的创造力，无法开展真正创新的开放式AI研究。

• Michelle Kim 归档页面

为什么AI代理会说谎和作弊以达成目标

这种不当行为被称为奖励黑客行为。这是你需要了解的内容。

• Grace Huckins 归档页面

别被这个夏天的AI炒作所迷惑

关于AGI和新功能的夸张宣称在受到审视时往往很快就不攻自破。

• Timnit Gebru 归档页面

• Emily M. Bender 归档页面

这些初创公司正在追逐大型语言模型领域的下一个大事件

认识一下那些正在紧追AI巨头的新晋选手。

• Will Douglas Heaven 归档页面

保持联系

插图由Rose Wong绘制

获取MIT技术评论的最新动态

发现特别优惠、热门故事、即将举行的活动等更多信息。