将人工智能代理与企业知识连接起来

这份报告基于对 300 名数据、人工智能和其他技术高管的调查，其目的有三个。首先，它试图衡量组织在语义知识、情景记忆和程序知识方面的代理知识能力（即，他们为人工智能代理提供对其所摄取数据的全面上下文理解的能力）。其次，该报告探讨了组织在改善知识获取并最终将更多代理用例投入生产方面面临的挑战。第三，探讨了组织为克服这些挑战而采取的措施。主要发现包括以下内容： 数据和知识的弱点始终阻碍人工智能代理的进步。平均而言，只有大约三分之一 (34%) 的组织的代理人工智能项目投入生产。即使是高科技公司也面临着这个问题。遗留数据系统、安全和隐私问题以及缺乏知识和背景是失败的关键点。强大的知识能力与代理的成功相关。一小群生产领导者（平均 61% 的代理项目超越试点的组织）比其他人拥有更强的知识能力，尤其是在语义方面。这一优势与其较高的生产率密切相关。碎片化的数据使知识获取变得非常复杂。数据碎片（跨系统数据共享不足）最常被认为是扩大代理获取知识的最大挑战（55% 的人认为）。相比之下，生产领导者更有可能将安全和隐私问题视为主要问题（该群体中 72% 的人这么认为）。大多数公司的目标是加强数据和代理之间的联系。在能够产生更高质量的代理决策的步骤中，高管们预计最大的影响来自于加强组织数据与其人工智能代理之间的结构基础。我们采访的专家认为知识层是实现这一目标的主要方式。促进知识增长的投资重点包括从管道到知识图。为了扩大代理对知识的访问，组织将优先投资检索技术，例如摄取管道、人工智能就绪的 API 和检索增强生成 (RAG)；人工智能评估代理；以及知识图中。下载报告此内容由麻省理工学院技术评论的自定义内容部门 Insights 制作，而不是其编辑人员。它是由人类研究和编写的，任何可能使用的人工智能工具都仅限于人类监督下的生产过程。