尽管AI系统不断积累和分析大量数据，但企业AI代理常常面临一个奇怪的缺陷：缺乏知识。知识不仅仅是数据，而是对数据在个别组织背景下含义的理解。AI代理需要这种理解来推理情况、做出决策并最终采取行动。没有足够的知识，代理容易做出有缺陷且不可靠的决策。我们的研究发现，缺乏知识是代理AI用例从未投入生产的主要原因。
竞争压力使得解决这一问题变得紧迫。组织需要部署和扩展更多的代理项目，以获取AI承诺的效率提升。失败会浪费已经投入这些项目的投资，并让已经更有效利用代理的竞争对手占据优势。
基于对300名数据、AI和其他技术高管的调查，报告发现数据和知识弱点持续阻碍AI代理的进展。平均而言，只有大约三分之一（34%）的组织的代理AI项目投入生产。一小群生产领导者（平均61%的代理项目超越试点阶段）拥有更强的知识能力，尤其是在语义方面。
数据碎片化被最常列为扩展代理知识访问的主要挑战（被55%的受访者引用）。大多数公司旨在加强数据与代理之间的联系，专家认为知识层是实现这一目标的主要方式。投资重点包括检索技术，如摄取管道、AI就绪API和检索增强生成（RAG）；AI评估代理；以及知识图谱。
来源: MIT Technology Review AI · 由HeadlinesBriefing整理摘要