本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 在上实施代理人工智能系统的成功模式 AWS
<a name="implementation"></a>

[企业人工智能采用现状](https://isg-one.com/state-of-enterprise-ai-adoption-report-2025)（ISG 2025 报告）显示，成功实施人工智能的主要障碍不是技术能力，而是*学习差距*。该术语是指无法适应、记住背景或无法随着时间的推移而改进的系统。实施静态 AI 工具的组织的失败率很高。以下是取得成功的代理人工智能系统的共同特征：
+ **情境记忆** — 保留对话历史记录和用户偏好的系统
+ **反馈整合** — 能够从更正中吸取教训并提高绩效
+ **工作流程调整 — 自动调整以适应**不断变化的业务需求
+ **持续改进** — 通过运营经验实现可衡量的改进

成功实现人工智能实施的组织通常会优先考虑以下几点：
+ 使用全面的合作伙伴生态系统，而不是独立构建和探索人工智能能力
+ 与静态工具相比，具有学习能力的系统
+ 将业务结果重点放在技术功能比较上
+ 工作流程集成而不是独立工具
+ 持续调整而不是一次性实施

[这些模式与许多 AWS 服务 功能一致，尤其是 [Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html) 中的基础模型访问、中的事件驱动架构以及通过 Amazon 提供的全面监控。[AWS Lambda](https://docs.aws.amazon.com/lambda/latest/dg/welcome.html) CloudWatch](https://docs.aws.amazon.com/AmazonCloudWatch/latest/monitoring/WhatIsCloudWatch.html)有关集成人工反馈和支持学习的系统的更多信息，请参阅本指南中的[将人类反馈整合到代理人工智能系统](feedback.md)中。