企业AI Agent为何总缺知识而非数据

对于 AI 系统不断积累和分析的所有数据，企业 AI Agent 常常面临一个奇特短板：知识的匮乏。数据是原始的事实，而知识则是理解这些数据在特定组织语境下的含义。AI Agent 需要这种理解能力来推理情境、做出决策，并最终采取行动。缺乏充足的知识，Agent 容易做出有缺陷、不可靠的决策。

我们的研究发现，知识的匮乏是 agentic AI 用例无法进入生产环境的首要原因。竞争压力使解决这个问题变得刻不容缓。企业需要部署并规模化更多的 agentic 项目，以获取 AI 所承诺的效率提升。若做不到这一点，已沉没在这些项目中的投资将面临浪费风险，同时会将优势拱手让给那些已经更有效地运用 Agent 的竞争对手。

本报告基于对 300 位数据、AI 及其他技术高管展开的调查，旨在达成三个目标。第一，评估组织的 agentic 知识能力（即它们赋予 AI Agent 对所摄入数据的完整上下文理解能力），涵盖语义知识、情景记忆和程序性知识三个维度。

第二，报告深入探讨组织在改善知识获取方面面临的挑战，以及最终将更多 agent 用例投入生产所遇到的障碍。第三，探索组织为克服这些挑战所采取的措施。

主要发现如下：

数据与知识短板持续阻碍 AI Agent 进展。 平均而言，只有约三分之一（34%）的企业 agentic AI 项目能够进入生产环境。即使是高科技企业也在这一问题上挣扎。遗留数据系统、安全与隐私顾虑，以及知识与上下文的缺失是主要的失败节点。

强大的知识能力与 Agent 成功高度相关。 一小部分生产先锋（其 agentic 项目平均有 61% 超越了试点阶段）在知识能力上强于其他企业，尤其在语义层面。这一优势与它们更高的生产成功率紧密相关。

数据碎片化极大地增加了知识获取的复杂度。 数据碎片化（即系统间数据共享不充分）最常被认为是扩大 Agent 知识获取渠道的首要挑战（55% 的受访者提及）。相比之下，生产先锋更可能将安全与隐私顾虑视为主要关注点（该群体中 72% 提及）。

大多数企业旨在加强数据与 Agent 之间的关联。 在能够提升 Agent 决策质量的各项举措中，高管们认为影响最大的是加强组织数据与其 AI Agent 之间的结构性基础。被采访的专家们认为，知识层是实现这一目标的首选路径。

提升知识能力的投资重点涵盖管道到知识图谱。 为扩展 Agent 对知识的获取，企业将优先投资于检索技术（如摄入管道、AI-ready API 和检索增强生成 RAG）、AI 评估 Agent 以及知识图谱。

This content was produced by Insights, MIT Technology Review's custom content arm, not its editorial staff. It was researched and written by humans, with any AI tools that may have been used limited to production processes under human oversight.

Artificial intelligence

AI's recursive self-improvement might not come so quickly after all

AI agents are not yet creative enough to carry out genuinely innovative open-ended AI research, it seems.

Michelle Kimarchive page

Don't be fooled—LLMs don't reason

Ten years after AlphaGo's match against Go champion Lee Sedol, today's AI still isn't tapping into the machinery that made that win possible.

Thore Graepelarchive page

Don't be fooled by this summer of AI hype

Breathless claims about AGI and new capabilities fall apart pretty quickly under scrutiny.

Timnit Gebruarchive page

Emily M. Benderarchive page

These startups are chasing the next big thing in LLMs

Meet the new kids nipping at the heels of the AI giants.

Will Douglas Heavenarchive page

Get the latest updates fromMIT Technology Review

Discover special offers, top stories, upcoming events, and more.