以可信数据扩展AI智能体

商业和技术领导者无需说服就知道智能体AI的时代已经到来。组织正在 rapidly 采用智能体，很少有高管怀疑该技术改变工作的潜力。但许多组织发现，实现AI的 desired 投资回报率（ROI）取决于拥有正确的基础，基础设施和数据不足是主要障碍。 智能体AI对企业数据系统提出了 considerable 新需求。从回答问题到采取行动的转变意味着AI智能体需要来自企业各处的数据， structured and unstructured 的所有形式，以及正确的业务上下文。为了实时做出决策和行动，智能体还需要 frictionless 访问组织的运营系统——例如， those storing 其供应链、销售点或人力资源数据。传统数据系统，即使是几年前更新的，也难以满足这些需求。 随着AI智能体 more widely embedded 在企业运营中，克服传统数据系统限制的需求变得更加紧迫。如果Gartner关于AI智能体到2027年将增强或自动化50%业务决策的预测 prove correct，组织必须消除瓶颈，否则 risk depriving 智能体快速做出正确决策所需的数据。 该报告基于对300名数据和技术高管的调查， explores 传统系统如何限制许多组织中AI智能体的有效性。它发现，少数组织——数据领导者——在智能体AI方面取得了更大成功，并且由于传统系统而经历的数据限制更少。这些领导者提供了一个指南，用于创建让智能体 flourish 和可信系统扩展的正确数据环境。 报告的主要发现包括： 目前很少有公司为智能体AI提供 ample 访问企业数据的权限。在接受调查的所有组织中，AI平均只能访问45%的公司数据。在被归类为"数据落后者"的组织中，这一数字下降到30%或更少。然而，一个精选群体确保访问超过70%的数据。这些"数据领导者"的智能体比其余组织更成功。 对智能体决策的信任反映了数据就绪性。如今，只有约一半的受访组织信任其AI智能体做出的决策准确且相关。相比之下，100%的数据领导者信任其智能体的决策，这 strongly indicate 可靠的AI需要可靠的数据基础。 数据领导者更容易实现智能体扩展和速度。三分之二的数据落后者表示传统数据系统限制了AI智能体的扩展（66%）并 prevent 智能体快速做出决策（68%）。 largely 克服了传统数据限制的领导者 mostly cleared 这些障碍，只有8%报告了任何一种限制。 压力在于使数据资产为智能体做好准备。两年内，100%的受访者计划使用智能体AI，69%预期 widely 使用。如果不消除数据系统限制，智能体AI将无法实现其承诺的速度和效率。 数据访问和上下文是首要任务。在所有受访者中，实现扩展的最重要举措是改善AI智能体对结构化和非结构化数据的访问。紧随其后的是增强具有业务上下文的数据和AI治理。数据领导者 also heavily focusing on 数据管理的自动化。 下载完整报告。 该内容由MIT科技评论的定制内容部门Insights制作。它不是由MIT科技评论的编辑人员撰写的。它由人类作家、编辑、分析师和插画家研究、设计和撰写。这包括调查的撰写和数据收集。可能使用的AI工具仅限于经过 thorough 人工审查的次要生产流程。