AI সিস্টেমগুলি ক্রমাগত যে সমস্ত ডেটা সংগ্রহ এবং বিশ্লেষণ করে, তার জন্য এন্টারপ্রাইজ AI এজেন্টরা প্রায়ই একটি অদ্ভুত ত্রুটিতে ভোগে: জ্ঞানের অভাব। ডেটার চেয়ে বেশি, জ্ঞান হল পৃথক সংস্থার প্রেক্ষাপটে ডেটার অর্থ কী তা বোঝা। AI এজেন্টদের পরিস্থিতি সম্পর্কে যুক্তি দিতে, সিদ্ধান্ত নিতে এবং শেষ পর্যন্ত পদক্ষেপ নিতে এই বোঝাপড়ার প্রয়োজন। পর্যাপ্ত জ্ঞান ছাড়া, এজেন্টরা ত্রুটিপূর্ণ এবং অবিশ্বস্ত সিদ্ধান্ত নেওয়ার প্রবণ হয়। আমাদের গবেষণায় দেখা যায় যে জ্ঞানের অভাবই এজেন্টিক AI ব্যবহারের ক্ষেত্রগুলি কখনও উৎপাদনে না আসার একটি প্রধান কারণ।
প্রতিযোগিতামূলক চাপ এটির সমাধান করা জরুরি করে তুলেছে। সংস্থাগুলিকে AI প্রতিশ্রুত দক্ষতা লাভের জন্য তাদের আরও এজেন্টিক প্রকল্প স্থাপন এবং স্কেল করতে হবে। পিছিয়ে পড়া এই প্রকল্পগুলিতে ইতিমধ্যে বিনিয়োগ করা অর্থ নষ্ট করার ঝুঁকি নেয় এবং এটি প্রতিদ্বন্দ্বীদের কাছে জমি ছেড়ে দেয় যারা ইতিমধ্যে তাদের এজেন্টদের আরও কার্যকরভাবে কাজে লাগাচ্ছে।
300 ডেটা, AI এবং অন্যান্য প্রযুক্তি নির্বাহীদের একটি জরিপের উপর ভিত্তি করে, প্রতিবেদনে দেখা যায় যে ডেটা এবং জ্ঞানের দুর্বলতা ধারাবাহিকভাবে AI এজেন্টের অগ্রগতি থামিয়ে দেয়। গড়ে, সংস্থাগুলির এজেন্টিক AI প্রকল্পগুলির মাত্র এক তৃতীয়াংশ (34%) উৎপাদনে আসে। উৎপাদন নেতাদের একটি ছোট দল (যেখানে গড়ে 61% এজেন্টিক প্রকল্প পাইলটের বাইরে অগ্রসর হয়) এর শক্তিশালী জ্ঞান ক্ষমতা রয়েছে, বিশেষ করে শব্দার্থবিদ্যার ক্ষেত্রে।
ডেটা বিভক্তকরণকে এজেন্টদের জ্ঞানের অ্যাক্সেস প্রসারিত করার জন্য শীর্ষ চ্যালেঞ্জ হিসাবে সবচেয়ে বেশি উল্লেখ করা হয়েছিল (55% দ্বারা উল্লিখিত)। বেশিরভাগ সংস্থা ডেটা এবং এজেন্টের মধ্যে সংযোগ শক্তিশালী করার লক্ষ্য রাখে, বিশেষজ্ঞরা এটির জন্য একটি জ্ঞান স্তরকে একটি প্রধান উপায় হিসাবে দেখেন। বিনিয়োগের অগ্রাধিকারগুলির মধ্যে রয়েছে পুনরুদ্ধার প্রযুক্তি যেমন ইনজেশন পাইপলাইন, AI-প্রস্তুত API এবং পুনরুদ্ধার-বর্ধিত জেনারেশন (RAG); AI মূল্যায়ন এজেন্ট; এবং জ্ঞান গ্রাফ।
উৎস: MIT Technology Review AI · সারাংশ: HeadlinesBriefing