以可信数据扩展AI智能体

<p>业务和技术领导者无需被说服，智能体AI的时代已经到来。各组织正在<a href="https://www.deloitte.com/uk/en/issues/generative-ai/state-of-ai-in-enterprise.html" target="_blank" rel="noreferrer noopener">迅速采用智能体</a>，很少有高管怀疑这项技术改变工作的潜力。但许多组织发现，能否从AI中实现预期的投资回报率（ROI）取决于是否拥有合适的基础，而基础设施和数据不足是<a href="https://www.deloitte.com/uk/en/issues/generative-ai/ai-roi-the-paradox-of-rising-investment-and-elusive-returns.html" target="_blank" rel="noreferrer noopener">主要障碍</a>。</p> <p>智能体AI对企业数据系统提出了大量新要求。从回答问题转向采取行动，意味着AI智能体需要获取整个企业的数据，包括所有结构化和非结构化形式，并具备正确的业务上下文。为了实时决策和行动，智能体还需要无缝访问组织的运营系统——例如存储供应链、销售点或人力资源数据的系统。遗留数据系统，即使是几年前刚更新的系统，也难以满足这些要求。</p> <figure class="wp-block-image size-full is-resized"><a href="https://cloud.google.com/resources/content/scaling-ai-agents-trustworthy-data?utm_source=landing_page&amp;utm_medium=partner&amp;utm_campaign=FY26-Q3-GLOBAL-STO558-website-dl-mit-sclngagnts-229374&amp;utm_content=mit-landing-page&amp;utm_term=-" target="_blank" rel=" noreferrer noopener"><img decoding="async" width="1240" height="1570" src="https://wp.technologyreview.com/wp-content/uploads/2026/08/Google-Report-2026-cover.png" alt="" class="wp-image-1141034" style="aspect-ratio:0.7898100401075411;width:335px;height:auto" srcset="https://wp.technologyreview.com/wp-content/uploads/2026/08/Google-Report-2026-cover.png 1240w, https://wp.technologyreview.com/wp-content/uploads/2026/08/Google-Report-2026-cover.png?resize=237,300 237w, https://wp.technologyreview.com/wp-content/uploads/2026/08/Google-Report-2026-cover.png?resize=768,972 768w, https://wp.technologyreview.com/wp-content/uploads/2026/08/Google-Report-2026-cover.png?resize=1213,1536 1213w" 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-fc4fd283 wp-block-buttons-is-layout-flex"> <div class="wp-block-button has-custom-width wp-block-button__width-auto 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://cloud.google.com/resources/content/scaling-ai-agents-trustworthy-data?utm_source=landing_page&amp;utm_medium=partner&amp;utm_campaign=FY26-Q3-GLOBAL-STO558-website-dl-mit-sclngagnts-229374&amp;utm_content=mit-landing-page&amp;utm_term=-" style="border-radius:4px;background-color:#11808f;font-size:16px" target="_blank" rel="noreferrer noopener">下载报告</a></div> </div> <p>随着AI智能体更广泛地嵌入企业运营，克服遗留数据系统限制的需求变得更加紧迫。如果<a href="https://www.gartner.com/en/newsroom/press-releases/2025-06-17-gartner-announces-top-data-and-analytics-predictions" target="_blank" rel="noreferrer noopener">Gartner的预测</a>——AI智能体到2027年将增强或自动化50%的业务决策——被证明是正确的，那么组织必须消除瓶颈，否则就可能剥夺智能体快速做出正确决策所需的数据。</p> <p>本报告基于对300位数据和技术高管的调查，探讨了遗留系统如何在许多组织中限制AI智能体的效能。报告发现，少数组织——数据领导者——在智能体AI方面取得了更大的成功，并且因遗留系统而遇到的数据限制更少。这些领导者为创建合适的数据环境提供了指南，使智能体得以蓬勃发展，可信系统得以扩展。</p> <figure class="wp-block-image size-full"><a href="https://cloud.google.com/resources/content/scaling-ai-agents-trustworthy-data?utm_source=landing_page&amp;utm_medium=partner&amp;utm_campaign=FY26-Q3-GLOBAL-STO558-website-dl-mit-sclngagnts-229374&amp;utm_content=mit-landing-page&amp;utm_term=-" target="_blank" rel=" noreferrer noopener"><img decoding="async" width="1200" height="660" src="https://wp.technologyreview.com/wp-content/uploads/2026/08/Google-Social-Card-2-1.png" alt="" class="wp-image-1141217" srcset="https://wp.technologyreview.com/wp-content/uploads/2026/08/Google-Social-Card-2-1.png 1200w, https://wp.technologyreview.com/wp-content/uploads/2026/08/Google-Social-Card-2-1.png?resize=300,165 300w, https://wp.technologyreview.com/wp-content/uploads/2026/08/Google-Social-Card-2-1.png?resize=768,422 768w" sizes="(max-width: 1200px) 100vw, 1200px" /></a></figure> <p>报告的主要发现包括：</p> <p><strong>目前很少有公司为智能体AI提供充足的企业数据访问权限。</strong>在所有受访组织中，AI平均只能访问公司数据的45%。在归类为“数据落后型”的组织中，这一数字降至30%或更低。然而，少数精英群体确保其超过70%的数据可被访问。这些“数据领导者”的智能体比其余组织更成功。</p> <p><strong>对智能体决策的信任反映了数据就绪程度。</strong>如今，仅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，这强有力地表明可靠的AI需要可靠的数据基础。</p> <p><strong>数据领导者更容易实现智能体的规模化与速度。</strong>三分之二的数据落后型组织表示，遗留数据系统限制了AI智能体的扩展（66%），并阻碍智能体快速决策（68%）。由于基本克服了遗留数据约束，数据领导者大多清除了这些障碍，仅有8%报告存在任一限制。</p> <p><strong>让数据资产为智能体做好准备的压力正在加大。</strong>两年内，100%的受访者计划使用智能体AI，其中69%预期将广泛使用。如果不消除数据系统约束，智能体AI将无法实现其承诺的速度和效率。</p> <p><strong>数据访问和上下文是首要任务。</strong>在所有受访者中，支持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。同样在列表前列的是利用业务上下文加强数据和AI治理。数据领导者还高度关注数据管理的自动化。</p> <p><strong><span style="text-decoration: underline;"><a href="https://cloud.google.com/resources/content/scaling-ai-agents-trustworthy-data?utm_source=landing_page&amp;utm_medium=partner&amp;utm_campaign=FY26-Q3-GLOBAL-STO558-website-dl-mit-sclngagnts-229374&amp;utm_content=mit-landing-page&amp;utm_term=-" target="_blank" rel="noreferrer noopener">下载完整报告。</a></span></strong></p> <p><em>本内容由MIT Technology Review旗下定制内容部门Insights制作。并非由MIT Technology Review编辑团队撰写。内容由人类作者、编辑、分析师和插画师进行调研、设计和撰写，包括调查问卷的编写和调查数据的收集。可能使用过的AI工具仅限于通过全面人工审核的辅助生产流程。</em></p> <p></p>