AI-ügynökök termelési aránya csak 34%, a tudáshiány a fő akadály

A kutatásban 300 technológiai vezető vett részt, akik szerint a tudáshiány a legfőbb oka annak, hogy az AI-ügynökök nem tudnak megbízható döntéseket hozni. A sikeresen termelésbe került projektek aránya, az úgynevezett „production leaders” csoportjában eléri a 61%-ot.

Ezek a vállalatok erősebb tudásképességekkel rendelkeznek, különösen a szemantikai megértés terén, ami szorosan követi magasabb termelési arányukat. A gyenge tudásréteg megakadályozza az AI-ügynököket abban, hogy kontextusba helyezzék az adatokat, és így megbízható döntéseket hozzanak.

Adatfragmentáció és biztonsági aggályok

Az adatfragmentáció, vagyis az adatok nem megfelelő megosztása a rendszerek között, a válaszadók 55%-a szerint a legfőbb kihívás az AI-ügynökök tudáshoz való hozzáférésének bővítésében. A „production leaders” csoportjában ugyanakkor a biztonsági és adatvédelmi aggályokat említik a leggyakrabban, a csoport 72%-a jelölte meg ezt mint fő problémát.

Tudásréteg építése a cél

A vállalatok többsége arra törekszik, hogy erősítse az adatokat és az AI-ügynököket összekötő szerkezeti alapot. A szakértők szerint egy tudásréteg kiépítése kulcsfontosságú lehet ennek eléréséhez. A befektetési prioritások között szerepelnek a retrieval folyamat-ok, az AI-kész API-k, a retrieval-augmented generation (RAG) és a tudásgrafok fejlesztése.

A Neo4j által támogatott kutatás szerint ezek a fejlesztések segíthetik az AI-ügynököket abban, hogy hatékonyabban férjenek hozzá a vállalati tudáshoz. Az MIT Technology Review Insights jelentése a 34%-os termelési arányt és a 61%-os „production leaders” mutatót emeli ki a legfontosabb eredményeként.