桥梁 AI 有企业知识的代理人

报告发现89万个项目达到了生产阶段,而知识缺口,数据碎片化和安全问题则拖延了企业的行动.

标签:企业 AI代理人, 有机的AI, AI, 知识, 数据碎片化, 生产领导

首选图片:抽象的发光数据网络与类似代理人的节点和上下文路径,技术风格,没有人,没有标志,没有文字.

根据对300名数据,AI和其他技术高管的调查,agentic AI的一份报告显示,由于缺乏组织知识而在生产前停滞不前.平均而言,只有约三分之一或890万个agentic AI项目才能进入生产阶段.这一发现很重要,因为公司已经投资了能够推理,决定和采取行动的代理人;没有上下文知识,飞行员仍然不可靠,竞争压力增加.

背景:数据丰富与知识乏

多年来,企业的AI系统一直在收集和分析大量数据.但数据是不够的.知识就是对特定组织内数据意味着什么的理解. AI代理需要这种了解以推理情况,做出决定并最终采取行动.该报告确定了这一差距作为一个主要原因agenticAI,用例从未达到生产.

竞争压力使问题变得紧迫.组织需要部署和扩展更多的代理项目,以获取AI所承诺的效率提升.如果不做到这一点,可能会浪费已经做出的投资,并让位于已将其代理人投入到更有效的工作中的竞争对手.

发展:调查地图三层知识

该报告有三个目的.首先,它衡量组织的代理知识能力,即他们能够为AI代理提供对他们所摄取数据的全面上下文理解的能力. 它检查语义知识,情节性记忆和程序知识. 语义学知识涉及意义和关系;情节式记忆涵盖过去事件和相互作用;程序知识描述了任务如何执行.

其次,报告探讨了组织在改善知识获取和将更多的药物使用案例投入生产方面所面临的挑战.

调查结果显示了一个一致的模式:数据和知识缺陷阻碍了工作人员的进步.平均而言,只有89万个组织 89代理人项目才能进入生产阶段.即使是高科技企业也在与此作斗争.遗留的数据系统,安全性和隐私问题以及缺乏知识和上下文都是失败的主要原因.

最新进展:生产领导人脱而出

一小群生产领导者推进了更多的项目.这些组织中,平均有61%个代理项目的进展超出了试点.他们比其他人拥有更强大的知识能力,特别是在语义知识方面.这种优势与他们的较高产量密切相关.

这种对比不仅仅是为了获得更多的数据,而是要让代理人能够理解和使用这些数据.

碎片化数据也使知识获取变得复杂.该报告将数据碎片化的定义为系统间不充分的数据共享.最常被引用作为扩大代理人获得知识的主要挑战,其中55%名受访者引用了这一点.生产领导者不同:他们更有可能认为安全和隐私问题是主要关注的问题,此组中有72%人援引了这一观点.

当前阶段:加强数据代理基础

大多数企业的目标是加强数据和代理之间的联系.在可以产生更高质量的代理决策的步骤中,管理人员预计最大的影响来自于强化组织数据与其AI个代理之间的结构基础.报告将下一阶段视为知识基础设施而不是孤立的试点之一.

目前阶段是试点后的压力:许多代理 AI 项目仍处于34% 生产差距,而在61% 的领导者表明语义知识,数据访问和安全控制影响了结果.接下来要关注的是组织是否扩大语义,情节性和程序性的知识测量,以及随着数据基础的加强,他们的生产率是否超越试点.