Apesar de todos os dados que os sistemas de IA continuamente acumulam e analisam, os agentes de IA empresarial frequentemente sofrem de uma deficiência curiosa: falta de conhecimento. Mais do que dados, conhecimento é a compreensão do que os dados significam no contexto de organizações individuais. Os agentes de IA precisam dessa compreensão para raciocinar sobre situações, tomar decisões e, em última análise, realizar ações. Sem conhecimento suficiente, os agentes são propensos a tomar decisões falhas e não confiáveis. A falta de conhecimento, segundo nossa pesquisa, é uma das principais razões pelas quais os casos de uso de IA agentiva nunca chegam à produção.
A pressão competitiva está tornando urgente abordar isso. As organizações precisam implantar e escalar mais de seus projetos agentivos para capturar os ganhos de eficiência prometidos pela IA. Ficar aquém corre o risco de desperdiçar o investimento já feito nesses projetos e cede terreno a concorrentes que já estão colocando seus agentes para trabalhar de forma mais eficaz.
Com base em uma pesquisa com 300 executivos de dados, IA e outras tecnologias, o relatório descobre que as fraquezas de dados e conhecimento consistentemente travam o progresso dos agentes de IA. Em média, apenas cerca de um terço (34%) dos projetos de IA agentiva das organizações chegam à produção. Um pequeno grupo de líderes de produção (onde em média 61% dos projetos agentivos avançam além do piloto) tem capacidades de conhecimento mais fortes, especialmente no que diz respeito à semântica.
A fragmentação de dados foi citada com mais frequência como um dos principais desafios para expandir o acesso dos agentes ao conhecimento (citada por 55%). A maioria das empresas visa fortalecer o vínculo entre dados e agentes, com especialistas vendo uma camada de conhecimento como uma forma primordial de alcançar isso. As prioridades de investimento incluem tecnologias de recuperação como pipelines de ingestão, APIs prontas para IA e geração aumentada por recuperação (RAG); agentes de avaliação de IA; e grafos de conhecimento.
Fonte: MIT Technology Review AI · Resumido por HeadlinesBriefing