# 提升智能体分析中洞察的质量
摘要
由 Snowflake 赞助的《MIT Technology Review》报告显示，仅有 48% 的分析型智能体（analytics agent）洞察能够转化为业务改进，上下文不足和洞察过载被视为关键阻碍因素；而通过加强治理并添加语义层，"洞察领导者"（insight leaders）的这一比例超过 70%。
在短短几年内，生成式 AI 已经彻底改变了企业分析的面貌，尤其是让分析能力惠及整个组织的各类用户。Agentic AI 承诺能做得更多——自动化整个工作流程，并根据智能体（Agent）的洞察来采取行动。但问题在于：这些智能体目前生成的洞察质量仍远不尽如人意。
在本报告调研的组织中，智能体生成的洞察能真正推动业务改进的不到一半。虽然大多数受访者对其智能体的描述性洞察质量表示认可，但涉及行动依据的规范性洞察，评价则明显褒贬不一。
<figure class="wp-block-image size-full is-resized"><a href="https://www.snowflake.com/en/lp/raising-the-quality-of-insights-in-agentic-analytics/?utm_source=mit&utm_medium=web&utm_campaign=mittr-2026" target="_blank" rel=" noopener"><img fetchpriority="high" decoding="async" width="1240" height="1594" src="https://wp.technologyreview.com/wp-content/uploads/2026/10/Snowflake-cover-2026.png" alt="" class="wp-image-1147666" style="aspect-ratio:0.7779240887319664;width:386px;height:auto" srcset="https://wp.technologyreview.com/wp-content/uploads/2026/10/Snowflake-cover-2026.png 1240w, https://wp.technologyreview.com/wp-content/uploads/2026/10/Snowflake-cover-2026.png?resize=233,300 233w, https://wp.technologyreview.com/wp-content/uploads/2026/10/Snowflake-cover-2026.png?resize=768,987 768w, https://wp.technologyreview.com/wp-content/uploads/2026/10/Snowflake-cover-2026.png?resize=1195,1536 1195w" sizes="(max-width: 1240px) 100vw, 1240px" /></a></figure>
<div class="wp-block-buttons is-content-justification-left is-layout-flex wp-container-core-buttons-is-layout-b192c3d7 wp-block-buttons-is-layout-flex">
<div class="wp-block-button is-style-fill is-style-fill--1"><a class="wp-block-button__link has-mittr-white-color has-text-color has-background has-custom-font-size wp-element-button" href="https://www.snowflake.com/en/lp/raising-the-quality-of-insights-in-agentic-analytics/?utm_source=mit&utm_medium=web&utm_campaign=mittr-2026" style="border-radius:4px;background-color:#783993;font-size:16px" target="_blank" rel="noopener">下载报告</a></div>
</div>
<p class="wp-block-paragraph">无法产出真正改善业务的洞察，意味着组织在 agentic analytics 上投入的资金无法获得预期回报。更糟糕的是，有缺陷的洞察若引发错误行动，还可能造成声誉或财务上的损失。本报告评估了企业对其分析智能体输出质量的看法，并探讨组织如何提升洞察质量，让智能体为业务创造更大价值。
<figure class="wp-block-image size-full"><a href="https://www.snowflake.com/en/lp/raising-the-quality-of-insights-in-agentic-analytics/?utm_source=mit&utm_medium=web&utm_campaign=mittr-2026" target="_blank" rel=" noopener"><img decoding="async" width="1200" height="660" src="https://wp.technologyreview.com/wp-content/uploads/2026/11/Snowflake-Social-Card-2026-v4.png" alt="" class="wp-image-1147914" srcset="https://wp.technologyreview.com/wp-content/uploads/2026/11/Snowflake-Social-Card-2026-v4.png 1200w, https://wp.technologyreview.com/wp-content/uploads/2026/11/Snowflake-Social-Card-2026-v4.png?resize=300,165 300w, https://wp.technologyreview.com/wp-content/uploads/2026/11/Snowflake-Social-Card-2026-v4.png?resize=768,422 768w" sizes="(max-width: 1200px) 100vw, 1200px" /></a></figure>
<p class="wp-block-paragraph">报告的一些关键发现如下：</p>
<p class="wp-block-paragraph"><strong>Agentic analytics 才刚刚开始显现成效。</strong>受访企业中，分析智能体生成的洞察平均只有 48% 能够推动改善业务的行动。这与受访者所说的上一年 37% 的平均水平相比已有显著进步。但这也意味着，今天分析智能体生成的洞察仍有一半以上未能帮助企业创造价值。</p>
<p class="wp-block-paragraph"><strong>更高的洞察质量带来明确的业务优势。</strong>在少数被称为"洞察领先者"（insight leaders）的组织中，AI 智能体的表现远超平均水平。在这一群体中，超过 70% 的智能体洞察能够推动改善业务的行动。洞察领先者对其智能体洞察质量的评分也高于所有受访者的总体评分。在规范性洞察方面，这一质量差距尤为明显。</p>
<p class="wp-block-paragraph"><strong>上下文不足会降低洞察质量。</strong>当分析智能体产出的洞察质量不达标时，主要原因是缺乏业务上下文，55% 的受访高管如此表示。45% 的受访者认为，数据分散或难以访问是另一大重要因素。较少有洞察领先者表示其智能体在获取上下文方面存在困难。</p>
<p class="wp-block-paragraph"><strong>洞察过载进一步削弱智能体的有效性。</strong>在大多数（52%）受访组织中，分析智能体生成的洞察过多，无法得到充分评估，因而无法付诸行动。只有不到四分之一（24%）的组织能够评估所有智能体洞察；多数组织只能逐案处理，而这一过程目前高度依赖人力。</p>
<p class="wp-block-paragraph"><strong>治理与语义层是提升洞察质量的重点方向。</strong>受访企业正优先推进能够改善智能体洞察的举措，包括强化 AI 和数据治理（60% 的受访者提及）。他们还在数据架构中引入语义层（45%）。我们采访的专家一致认为，语义层对于确保智能体的高性能至关重要。</p>
<p class="wp-block-paragraph"><strong><a href="https://www.snowflake.com/en/lp/raising-the-quality-of-insights-in-agentic-analytics/?utm_source=mit&utm_medium=web&utm_campaign=mittr-2026" target="_blank" rel="noopener">下载报告</a></strong></p>
<p class="wp-block-paragraph"><em>本文内容由 Insights（MIT Technology Review 的定制内容部门）制作，而非其编辑团队。内容经过人工调研和撰写，所使用的 AI 工具仅限于受人工监督的制作流程。</em></p>
<p class="wp-block-paragraph"></p>
查看缓存全文
缓存时间: 2026/11/02 21:21
# 提升智能体分析中洞察的质量
来源：https://www.technologyreview.com/2026/11/02/1147660/raising-the-quality-of-insights-in-agentic-analytics
短短几年间，生成式 AI 已经改变了企业分析的面貌，尤其让分析能力普及到了组织内的各个用户。智能体 AI（Agentic AI）则有望更进一步，实现整个工作流的自动化，并基于智能体的洞察来采取行动。但问题在于：智能体目前生成的洞察质量仍不尽如人意。
在本报告调查的组织中，不到一半的智能体生成的洞察带来了业务改善。虽然大多数受访者对其智能体的描述性洞察质量表示认可，但对其规范性洞察——即行动所依据的洞察——的评价却褒贬不一。
[](https://www.snowflake.com/en/lp/raising-the-quality-of-insights-in-agentic-analytics/?utm_source=mit&utm_medium=web&utm_campaign=mittr-2026)未能产出改善业务的洞察，使组织无法获得智能体分析所期望的投资回报。更糟糕的是，有缺陷的洞察若引发错误行动，还可能造成声誉或财务上的损失。本报告评估了企业对其分析智能体所产出成果质量的看法，并探讨组织如何寻求提升洞察质量，让智能体为业务创造更大价值。
[](https://www.snowflake.com/en/lp/raising-the-quality-of-insights-in-agentic-analytics/?utm_source=mit&utm_medium=web&utm_campaign=mittr-2026)报告中的一些关键发现包括：
**智能体分析才刚刚开始显现成效。**在受访公司中，分析智能体生成的洞察平均有 48% 促成了改善业务的行动。相比受访者提到的一年前 37% 的平均水平，这是一次显著进步。但这也意味着，如今分析智能体生成的洞察中仍有超过一半未能帮助企业。
**洞察质量的提升带来明显的业务优势。**在少数被我们称为"洞察领先者"的组织中，AI 智能体的表现远高于平均水平。在这一群体中，超过 70% 的智能体洞察促成了改善业务的行动。洞察领先者对其智能体洞察质量的评分也高于全体受访者的整体评分。在规范性洞察方面，这一质量差距尤为明显。
**上下文不足会降低洞察质量。**当分析智能体产出质量不达标的洞察时，主要原因是缺乏业务上下文，55% 的受访高管如此认为。数据分散或难以访问是另一大因素，45% 的受访者提到了这一点。较少的洞察领先者表示其智能体在获取上下文方面存在困难。
**洞察过载进一步制约智能体的效能。**在多数（52%）受访组织中，分析智能体生成的洞察过多，无法被充分评估，因而难以转化为行动。不到四分之一（24%）的组织能够评估所有智能体洞察；大多数采取逐案评估的方式，而这一过程目前高度依赖人力。
**治理和语义是提升洞察的重点方向。**受访公司正优先推进有助于改善智能体洞察的举措，包括加强 AI 与数据治理（60% 的受访者提及），以及为数据架构添加语义层（45%）。我们访谈的专家一致认为，语义层对于确保智能体的高性能至关重要。
**下载报告（https://www.snowflake.com/en/lp/raising-the-quality-of-insights-in-agentic-analytics/?utm_source=mit&utm_medium=web&utm_campaign=mittr-2026）**
*本内容由 MIT Technology Review 的定制内容部门 Insights 制作，而非其编辑团队。报告由人工调研和撰写，所使用的任何 AI 工具仅限于在人工监督下用于制作流程。*
相似文章
将预测分析带入智能体 AI 时代
MIT Technology Review Insights 与 TCS 合作发布的赞助白皮书指出，企业 AI 已经走过了“证明预测模型优于统计预测”的阶段，如今的前沿在于让智能体 AI 系统基于预测自主行动，同时始终保持与业务目标的一致性。
将 AI 代理接入企业知识
一项针对 300 名科技和 AI 高管的调查发现，只有约 34% 的 agentic AI 项目进入生产环境，数据碎片化和缺失的组织上下文是主要瓶颈——这意味着知识层（knowledge layer）、RAG 和知识图谱是连接 AI 代理与企业数据的优先投资方向。
以可信数据扩展AI智能体
一份基于对300位数据与技术高管的调查报告，探讨了遗留数据系统如何限制企业AI智能体的效能与扩展，并指出那些为智能体提供更广泛数据访问的“数据领导者”会获得更高的信任与成功。
@indigox: 全球近三分之二的企业已经在试验 Agent，但能真正规模化落地、产生实质价值的不到 10%。问题几乎都指向同一个地方——数据地基不牢！推荐 McKinsey 的这篇「Building the foundations for agentic…
McKinsey report finds that while two-thirds of global enterprises are experimenting with agentic AI, fewer than 10% achieve scalable impact, blaming weak data foundations.
借助企业上下文创造 AI 价值
MIT Technology Review Insights 在 Atlan 赞助的报告中指出，多数企业虽已使用 AI，但仅 16% 获得变革性价值，关键缺失在于让 AI 理解业务的『上下文层』架构。