Bringing predictive analytics to the agentic AI era
TL;DR · AI 摘要
AI预测分析正从被动预测转向自主决策，实时训练和非结构化数据处理成为关键。
核心要点
- 实时训练使AI无需季度更新，持续进化
- 非结构化数据处理扩展了预测模型的数据来源
- 企业需求推动AI从'分析'向'AI'转变
结构提纲
按章节快速跳转。
- §引言
2026年企业AI的核心挑战已从预测转向自主决策。
- ·技术演进
深度学习和生成式AI使实时训练成为可能。
- ›数据革命
非结构化数据处理扩展了预测模型的洞察来源。
- ·企业应用
AI推动企业从被动 hindsight 转向主动 foresight。
- ›专家观点
Everest Group合伙人Vishal Gupta指出AI正在取代传统分析。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- AI预测分析的自主决策
- 技术基础
- 深度学习
- 生成式AI
- 核心能力
- 实时训练
- 非结构化数据处理
- 企业影响
- 从hindsight到foresight
- AI取代传统分析
金句 / Highlights
值得收藏与分享的关键句。
实时训练允许AI持续进化，无需季度刷新
非结构化数据处理使AI能利用更多洞察来源
企业需求推动AI从'分析'向'AI'转变
将预测分析带入自主智能体AI时代 | MIT Technology Review
赞助
人工智能
将预测分析带入自主智能体AI时代
借助AI进行预测建模可以彻底改变组织使用日常业务数据的方式。
作者：
- MIT Technology Review Insights档案页面
2026年10月5日
由TP联合呈现
到2026年，企业AI面临的问题不再是预测模型是否能超越统计预测——这一争论已经尘埃落定。现在最大的问题是，如何让预测系统在不偏离商业目标的前提下自主采取行动。前沿领域已从预测转向自主决策，领先者与落后者的差距也因此不断扩大。
“企业已经不再采用回顾性的观点；他们希望更具前瞻性，”研究公司Everest Group合伙人Vishal Gupta表示。
下载报告
深度学习和生成式AI等技术驱动的智能分析正在使这一切成为可能。实时训练使AI能够持续进化，而无需等待季度更新。此外，新一代预测引擎所依赖的数据范围已扩大，不仅包括整洁的数值记录，还涵盖大量结构混乱但蕴含洞察力的交互数据。因此，AI驱动的分析正在将企业从被动的回顾性分析带向务实的前瞻性判断。
AI将预测分析——这一涵盖预测建模、数据预处理、分析流程、结果解释和决策应用的广泛领域——推向新的高度。“在很多方面，我认为‘分析’这个词正在被AI取代，”Gupta表示。“一切都在变得AI化。”
本内容由MIT Technology Review的定制内容部门Insights制作，而非其编辑团队。内容由人类研究人员撰写，任何可能使用的AI工具均在人类监督下用于生产流程。
深度解析
人工智能
AI的递归自我改进可能不会来得那么快
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档案页面
别被今年夏天的AI炒作所迷惑
关于通用人工智能（AGI）和新功能的狂热宣称，在仔细审视下很快就会土崩瓦解。
- Timnit Gebru档案页面
- Emily M. Bender档案页面
这些初创公司正在追逐LLMs领域的下一个大机遇
认识一下正在紧追AI巨头脚步的新晋企业。
- Will Douglas Heaven档案页面
比尔·盖茨表示我们已越过AI的危险阈值。接下来怎么办？
在最新采访中，这位亿万富翁慈善家警告我们，必须尽快理清AI政策的紧迫性。
- Mat Honan档案页面
保持联系
插图由Rose Wong绘制
获取MIT Technology Review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。