商業和科技領袖們無疑已確信 AI 代理的時代已經到來。各組織正迅速採用 AI 代理，很少有高階主管懷疑這項技術改變工作的潛力。然而，許多組織發現，要從 AI 中實現預期的投資報酬率（ROI），關鍵在於擁有正確的基礎，而基礎設施和資料不足是主要的阻礙。
AI 代理對企業資料系統提出了相當多的新要求。從回答問題轉變為採取行動，意味著 AI 代理需要存取企業內部的各種結構化和非結構化資料，並具備正確的業務情境。為了即時做出決策並採取行動，代理還需要無障礙地存取組織的營運系統，例如儲存供應鏈、銷售時點（POS）或人力資源資料的系統。即使是幾年前才更新的傳統資料系統，也難以滿足這些需求。
隨著 AI 代理更廣泛地嵌入企業營運中，克服傳統資料系統限制的需求變得更加迫切。如果 Gartner 預測 AI 代理將在 2027 年前增強或自動化 50% 的業務決策是正確的，那麼組織必須消除瓶頸，否則將面臨 AI 代理因缺乏所需資料而無法快速做出正確決策的風險。
這份報告基於對 300 位資料和科技高階主管的調查，探討了傳統系統如何在許多組織中限制 AI 代理的有效性。報告發現，少數組織，即「資料領先者」，在 AI 代理方面取得了更大的成功，並且因傳統系統而遇到的資料限制較少。這些領先者為建立適合 AI 代理蓬勃發展和信任系統規模化的資料環境提供了指引。
報告的主要發現包括：目前很少有公司為 AI 代理提供充足的企業資料存取權限。在所有受訪組織中，AI 平均只能存取 45% 的公司資料。在被歸類為「資料落後者」的組織中，這個數字降至 30% 或更少。然而，少數精選的組織確保了對其 70% 以上資料的存取權限。這些「資料領先者」在代理方面比其他組織取得了更大的成功。
對代理決策的信任反映了資料準備度。如今，只有大約一半的受訪組織信任其 AI 代理所做的決策是準確且相關的。相比之下，100% 的資料領先者信任其代理的決策，這強烈表明可靠的 AI 需要可靠的資料基礎。
資料領先者發現更容易實現代理的規模化和速度。三分之二的資料落後者表示，傳統資料系統限制了 AI 代理的規模化（66%），並阻礙代理快速做出決策（68%）。由於已大致克服傳統資料限制，領先者們大多已清除了這些障礙，只有 8% 的人報告存在這些限制。
使資料資產為代理做好準備的壓力迫在眉睫。在兩年內，100% 的受訪者計劃使用 AI 代理，其中 69% 預計將廣泛使用。如果不消除資料系統的限制，AI 代理將無法實現其承諾的速度和效率。
資料存取和情境是首要任務。在所有受訪者中，實現規模化最重要的舉措是改善 AI 代理對結構化和非結構化資料的存取。提高資料和 AI 治理的業務情境也名列前茅。資料領先者還高度關注資料管理的自動化。請下載完整報告。
此內容由 MIT Technology Review 的客製化內容部門 Insights 製作。它並非由 MIT Technology Review 的編輯人員撰寫。它由人類作家、編輯、分析師和插畫家進行研究、設計和撰寫。這包括調查的撰寫和資料的收集。可能使用的 AI 工具僅限於經過徹底人工審查的次要生產流程。
