但自主 ai 系统最重要的一点可能是：它以独特方式进化的非凡能力。第一点是我所说的ai 助手 ，它们以独特的、个性化定制的方式进行适应，以更好地理解单个用户。第二点是我所说的ai 代理，它们以更具协作性、开放性的方式融入团队或组织，使用同样的个性化能力来了解对组织和同行最重要的事物 — — 实践、流程、工具等等。简而言之，ai 助手旨在个性化，而 ai 代理旨在共享（和扩展） — — 这两种技术都为整个企业带来了非凡的机会。
长期学习的力量
两种自主人工智能系统（人工智能助手和人工智能代理）都由代理定义——能够以有意义的方式采取行动，有时完全独立，以追求共同的组织目标。我们可以像与人类同事一样与它们互动——通过提问、发出命令和确认我们的愿望。它们也可以回复，无论是提出提案以供批准还是仅仅澄清细节。而且由于它们有可能随着时间的推移逐渐了解我们，记住我们过去所做和所说的话，这些互动的深 telegram 印尼 度和效率将会增加。
通过重复学习和改进是所有代理的基本组成部分，但它们在学习方式上存在着重大差异。对于人工智能助手而言，学习是随着时间的推移建立更敏捷、更高效的工作关系的重要组成部分。它们会识别特定人独有的习惯、期望，甚至是工作节奏。然而，隐私和安全自然是不可协商的部分；无论助手有多强大，没有人想要一个他们无法信任的助手。
这种信任维度对于 ai 代理来说也至关重要。但是，在学习方面，与 ai 助手不同的是，ai 代理旨在学习共享实践，如工具和团队工作流程。它们远非私密，而是会学习此类 ai 代理的每个实例（无论组织部署了 10 个还是 10,000 个）应尽快传播的信息。换句话说，随着每个 ai 代理通过学习和现场经验提高其性能，该类型的其他每个工作人员都应立即获得同样的收益。
最后，这两种自主人工智能系统都应该能够从外部来源学习——例如，想象一下覆盖整个企业的更新，确保每个部署的代理都能立即更新新的应用程序、功能或策略变化。