AIシステムが継続的に蓄積し分析するすべてのデータにもかかわらず、エンタープライズAIエージェントはしばしば奇妙な欠点に悩まされています：知識の不足です。データ以上に、知識とは個々の組織のコンテキストにおいてデータが何を意味するかの理解です。AIエージェントは、状況について推論し、決定を下し、最終的に行動を起こすためにこの理解を必要とします。十分な知識がなければ、エージェントは欠陥があり信頼性の低い決定を下す傾向があります。私たちの調査によると、知識の不足は、エージェント型AIユースケースが本番稼働に至らない主要な理由です。
競争圧力により、これに対処することが緊急になっています。組織は、AIが約束する効率性の向上を獲得するために、より多くのエージェント型プロジェクトを展開しスケールする必要があります。失敗すると、これらのプロジェクトにすでに投資された資金を無駄にするリスクがあり、すでにエージェントをより効果的に活用している競合他社に地盤を譲ることになります。
300人のデータ、AI、およびその他のテクノロジーエグゼクティブを対象とした調査に基づいて、レポートはデータと知識の弱点が一貫してAIエージェントの進歩を妨げていることを明らかにしています。平均して、組織のエージェント型AIプロジェクトの約3分の1（34%）だけが本番稼働に至ります。プロダクションリーダーの小グループ（平均して61%のエージェント型プロジェクトがパイロットを超えて進む）は、特にセマンティクスに関して、より強力な知識能力を持っています。
データの断片化は、エージェントの知識へのアクセスを拡大するための最大の課題として最も頻繁に挙げられました（55%が挙げた）。ほとんどの企業はデータとエージェントの間のリンクを強化することを目指しており、専門家は知識レイヤーをこれを達成するための主要な方法と見なしています。投資の優先順位には、インジェクションパイプライン、AI対応API、検索拡張生成（RAG）などの検索技術、AI評価エージェント、およびナレッジグラフが含まれます。
出典: MIT Technology Review AI · 要約：HeadlinesBriefing