企业AI代理仅为单个员工学习错误——团队无法共享改进
图片： VentureBeat
简要回答
Большинство современных AI-агентов в корпоративной среде обучаются индивидуально: исправления и улучшения, внесенные одним сотрудником, не сохраняются для остальных членов команды. Это приводит к тому, что каждый пользователь фактически работает с отдельной версией инструмента, что снижает общую продуктивность. Согласно исследованию Asana, 75% сотрудников используют AI в работе, но лишь 5% компаний фиксируют реальный прирост эффективности. Проблема особенно остро стоит в многоагентных рабочих процессах, где агенты должны обмениваться контекстом между задачами и пользователями.
企业AI代理面临一个根本问题：缺乏共享记忆。当一名员工调整代理的工作——优化提示词、明确上下文或提供反馈——这些更改不会传递给团队其他成员。结果，每个用户都必须从头开始，而在多代理系统中，这会导致不一致和重复任务。
Asana通过其Agentic Work Management平台提供解决方案，员工的修正会自动应用于整个团队。Asana首席产品官Arnab Bose表示，关键挑战是将企业上下文集成到代理工作流中，而无需每个员工都成为提示词工程专家。在从单一代理向复杂工作流过渡时，这一点尤为重要，因为代理需要无缝交换数据和行为。
AI代理的记忆问题不仅限于单个产品。大多数模型本身不具备状态，记忆是作为外部层实现的。然而，在企业环境中，代理不仅需要与个人用户协作，还需要与团队协作。缺乏共享记忆，代理可能相互矛盾、重复错误并创建不一致的现实版本。专家指出，企业应将记忆视为系统性挑战，而非提示词工程问题，需要架构层面的解决方案。
目前，企业中的AI代理通常作为个人助手运行，仅学习单个用户的偏好。例如，Microsoft Copilot会适应员工的角色、沟通风格和工作习惯，并将这些设置为个人配置。然而，对于企业任务，需要向共享记忆转变——这种记忆能积累团队知识并自动在用户间同步。
常见问题
- 常见问题
- Большинство современных AI-агентов в корпоративной среде обучаются индивидуально: исправления и улучшения, внесенные одним сотрудником, не сохраняются для остальных членов команды. Это приводит к тому, что каждый пользователь фактически работает с отдельной версией инструмента, что снижает общую продуктивность. Согласно исследованию Asana, 75% сотрудников используют AI в работе, но лишь 5% компаний фиксируют реальный прирост эффективности. Проблема особенно остро стоит в многоагентных рабочих процессах, где агенты должны обмениваться контекстом между задачами и пользователями.
Dzen 订阅： /feed/dzen.xml · RSS： /feed.xml