可信数据是AI Agent规模化的关键瓶颈

企业与技术高管已无需多言，Agent 式 AI 的时代已然来临。企业正在快速采用 Agent，绝大多数高管并不怀疑这项技术改变工作的潜力。但许多企业发现，从 AI 获得理想的投资回报率（ROI）取决于是否具备正确的基础设施——基础设施不足和数据质量问题是最主要的障碍。

Agent 式 AI 对企业数据系统提出了大量新需求。从回答问题到采取行动的转变，意味着 AI Agent 需要来自整个企业的数据，涵盖各种结构化和非结构化形式，并附带正确的业务上下文。为了实时做出决策并采取行动，Agent 还需要流畅地访问组织的运营系统——例如，存储供应链、销售点或人力资源数据的系统。即使是几年前才更新过的传统数据系统，也难以满足这些需求。

随着 AI Agent 越来越广泛地嵌入企业运营，克服传统数据系统限制的需求也日益迫切。如果 Gartner 预测到 2027 年 AI Agent 将增强或自动化 50% 的商业决策这一预测属实，企业就必须消除瓶颈，否则将面临 Agent 无法获得快速做出正确决策所需数据的风险。

本报告基于对 300 名数据和技术高管的调查，探讨了传统系统如何在许多组织中限制 AI Agent 的有效性。研究发现，有少数组织——数据领导者——在 Agent 式 AI 方面取得了更大的成功，并且由于传统系统的数据限制较少。这些领导者为创建适合 Agent 蓬勃发展和可信系统规模化的正确数据环境提供了指南。

报告的关键发现包括：

目前很少有公司为 Agent 式 AI 提供充分的企业数据访问。在所有受调查组织中，AI 仅能访问公司约 45% 的数据。在被归类为"数据落后者"的组织中，这一数字降至 30% 或更低。然而，一小部分组织确保了对其 70% 以上数据的访问。这些"数据领导者"的 Agent 成功率高于其他组织。

对 Agent 决策的信任反映了数据就绪程度。如今，只有约一半的受调查组织信任其 AI Agent 所做决策的准确性和相关性。相比之下，100% 的数据领导者信任其 Agent 的决策，这是一个强有力的指标，表明可靠的 AI 需要可靠的数据基础。

数据领导者更容易实现 Agent 的规模和速度。三分之二的 data laggards（66%）表示传统数据系统限制了 AI Agent 的规模化，68% 认为传统系统阻碍了 Agent 快速做出决策。由于已基本克服传统数据限制，领导者在这些障碍上已基本扫清，仅有 8% 报告存在其中任一限制。

让数据资产为 Agent 做好准备的压力已迫在眉睫。在两年内，100% 的受访者计划使用 Agent 式 AI，其中 69% 期望广泛使用。如果不消除数据系统限制，Agent 式 AI 将无法实现其所承诺的速度和效率。

数据访问和上下文是最重要的优先事项。在所有受访者中，实现规模化的最重要举措是改善 AI Agent 对结构化和非结构化数据的访问。同样重要的是利用业务上下文增强数据和 AI 治理。数据领导者也在大力关注数据管理的自动化。

Download the full report.

本内容由 MIT Technology Review 的定制内容部门 Insights 制作。不是由 MIT Technology Review 编辑人员撰写。调查的撰写和数据收集由人类作者、编辑、分析师和插画师完成。此类可能使用的 AI 工具仅限于通过严格人工审核的辅助生产流程。

人工智能

一家初创公司声称突破了阻碍 LLMs 发展的瓶颈

Subquadratic 目前已分享了关于其新模型的更多细节。但一些人仍持怀疑态度。

Will Douglas Heaven

一个根本性缺陷使 LLMs 极易受到攻击

这使得欺骗它们做出不应该做的事情变得非常容易，比如告诉你如何破坏飞机的导航系统。

Will Douglas Heaven

Anthropic 在 Claude 思考概念的隐藏空间中发现了异常

一项新技术让该公司比以往任何时候都更深入地探索了 LLM 的奇怪工作原理。

Will Douglas Heaven

Claude Science 是 Anthropic 最新的旗舰产品

该公司正在加大对 AI for Science 的投入。

Grace Huckins

获取 MIT Technology Review 的最新更新

发现有特别优惠、热门故事 upcoming 活动和更多。