北京
Frank Morales Aguilera 最近发了一篇长文，把诊断 AI 的进化史比作职场新人成长记。他说以前的系统就像刚入职的实习生，只会照本宣科查手册；现在的 Agentic AI 则像干了三年的老员工，能自己判断该查什么、该找谁。
这个类比来自他 20 年的工程经验。Aguilera 曾是波音 Associate Technical Fellow，参与过飞机故障诊断系统的开发。他见过太多"智能"系统卡在第一步：传感器报警了，AI 只会抛出一堆可能原因，让工程师自己挑。
现在的变化在于"自主闭环"。他用了一个场景：飞机引擎异常振动，老系统会列出 15 种故障模式；新系统会直接调取飞行记录、比对同类机型、甚至联系地面工程师确认——然后才给出结论。「这不是更快的搜索，是重新分配了决策权」，他在文中写道。
Aguilera 现在运营着两家 AI 咨询公司。他提到一个细节：某航空客户的老系统每天产生 2000 多条"待确认"警报，工程师被迫玩"打地鼠"；升级后的 Agentic 系统把这个数字压到了 40 条，且每条都附带了"建议下一步"。
当然，他也留了退路——文末特意注明，目前这类系统仍需要"人在回路"，毕竟没人敢让 AI 独自决定停飞一架 737。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
