सभी डेटा के बावजूद जो AI सिस्टम लगातार जमा और विश्लेषण करते हैं, एंटरप्राइज़ AI एजेंट अक्सर एक अजीब कमी से पीड़ित होते हैं: ज्ञान की कमी। डेटा से अधिक, ज्ञान यह समझ है कि व्यक्तिगत संगठनों के संदर्भ में डेटा का क्या अर्थ है। AI एजेंटों को स्थितियों के बारे में तर्क करने, निर्णय लेने और अंततः कार्रवाई करने के लिए इस समझ की आवश्यकता होती है। पर्याप्त ज्ञान के बिना, एजेंट दोषपूर्ण और अविश्वसनीय निर्णय लेने की संभावना रखते हैं। हमारा शोध पाता है कि ज्ञान की कमी एक प्रमुख कारण है कि एजेंटिक AI उपयोग के मामले कभी उत्पादन में नहीं आते।
प्रतिस्पर्धी दबाव इसे संबोधित करना तत्काल बना रहा है। संगठनों को AI द्वारा वादा की गई दक्षता लाभ प्राप्त करने के लिए अपनी अधिक एजेंटिक परियोजनाओं को तैनात और स्केल करने की आवश्यकता है। कम पड़ना इन परियोजनाओं में पहले से डूबे निवेश को बर्बाद करने का जोखिम उठाता है, और यह प्रतिद्वंद्वियों को जमीन देता है जो पहले से ही अपने एजेंटों को अधिक प्रभावी ढंग से काम पर लगा रहे हैं।
300 डेटा, AI और अन्य प्रौद्योगिकी अधिकारियों के सर्वेक्षण पर आधारित, रिपोर्ट पाती है कि डेटा और ज्ञान की कमजोरियां लगातार AI एजेंट प्रगति को रोकती हैं। औसतन, केवल लगभग एक तिहाई (34%) संगठनों की एजेंटिक AI परियोजनाएं उत्पादन में आती हैं। उत्पादन नेताओं का एक छोटा समूह (जहां औसतन 61% एजेंटिक परियोजनाएं पायलट से आगे बढ़ती हैं) में मजबूत ज्ञान क्षमताएं होती हैं, विशेष रूप से शब्दार्थ के संबंध में।
डेटा विखंडन को एजेंटों के ज्ञान तक पहुंच का विस्तार करने के लिए एक शीर्ष चुनौती के रूप में सबसे अधिक उद्धृत किया गया था (55% द्वारा उद्धृत)। अधिकांश फर्म डेटा और एजेंटों के बीच संबंध को मजबूत करने का लक्ष्य रखती हैं, विशेषज्ञ इसे प्राप्त करने के लिए एक ज्ञान परत को एक प्रमुख तरीके के रूप में देखते हैं। निवेश प्राथमिकताओं में पुनर्प्राप्ति प्रौद्योगिकियां शामिल हैं जैसे इंजेशन पाइपलाइन, AI-तैयार API, और पुनर्प्राप्ति-संवर्धित पीढ़ी (RAG); AI मूल्यांकन एजेंट; और ज्ञान ग्राफ।
स्रोत: MIT Technology Review AI · HeadlinesBriefing द्वारा सारांशित