Scaling AI agents with trustworthy data

2026-08-20 · MIT Technology Review

用可信数据扩展AI Agent

背景:Agentic AI对数据基础设施提出新要求

企业和技术领导者已无需被说服——Agentic AI的时代已经到来。各类组织正在快速采用AI Agent,极少有高管怀疑这项技术重塑工作的潜力。然而,许多组织发现,要实现理想的投资回报(ROI),关键在于拥有正确的基础设施,而不充分的基础设施和数据正是主要障碍。

与传统生成式AI相比,Agentic AI从“回答问题”转向“采取行动”,这对企业数据系统提出了更高要求。AI Agent需要获取来自企业各个部门的所有数据,包括结构化和非结构化形式,并且必须带有正确的业务上下文。为了实现实时决策和行动,Agent还需要无缝访问组织的运营系统,例如存储供应链、POS销售或人力资源数据的系统。即便是在几年前刚刚升级过的遗留数据系统,也难以满足这些新需求。

遗留系统成为AI Agent规模化的主要瓶颈

随着AI Agent在企业运营中嵌入程度日益加深,克服遗留数据系统限制的需求变得更加紧迫。如果Gartner关于到2027年AI Agent将增强或自动化50%业务决策的预测准确,那么组织必须消除这些瓶颈,否则将面临Agent因数据不足而无法快速做出正确决策的风险。

本报告基于对300名数据和技术高管的调研,探讨了遗留系统如何限制多数组织中AI Agent的有效性。调研发现,少数“数据领先者”在Agentic AI上取得了更大成功,并且由于较好地解决了遗留系统问题,其面临的数据限制明显更少。这些领先者为构建适合Agent发展的数据环境、实现可信系统规模化提供了重要参考。

主要调研发现

1. 大多数企业未能为Agent提供充足的企业数据访问

在所有受访组织中,AI平均仅能访问公司45%的数据。在“数据落后者”中,这一比例进一步降至30%或以下。而少数“数据领先者”则确保AI能够访问其超过70%的数据。这些数据领先者在Agent应用上明显更为成功。

2. 对Agent决策的信任程度反映了数据就绪度

目前,仅约一半的受访组织信任其AI Agent所做决策的准确性和相关性。相比之下,100%的数据领先者完全信任其Agent的决策。这一强烈对比表明,可靠的AI需要可靠的数据基础。

3. 数据领先者更容易实现Agent的规模化和速度

三分之二的数据落后者表示,遗留数据系统限制了AI Agent的规模化(66%),并阻碍Agent快速做出决策(68%)。由于已基本克服遗留数据约束,数据领先者已基本清除这些障碍,仅有8%报告面临上述任一限制。

4. 数据资产的Agent-ready改造压力巨大

在未来两年内,100%的受访者计划使用Agentic AI,其中69%预计将广泛使用。若不消除数据系统约束,Agentic AI将无法兑现其承诺的速度和效率提升。

优先行动:数据访问与业务上下文

在所有受访者中,被视为推动Agent规模化最重要的举措是提升AI Agent对结构化和非结构化数据的访问能力。紧随其后的是增强带有业务上下文的数据与AI治理。数据领先者还特别重视数据管理的自动化。

结论

报告强调,要让AI Agent真正发挥价值,企业必须将数据系统从遗留架构升级为专为Agent设计的现代化架构。数据领先者的实践表明,通过大幅提升数据可访问性、确保业务上下文并实现数据管理自动化,组织不仅能建立对Agent决策的信任,还能突破规模化和速度瓶颈,在即将到来的Agentic AI广泛部署浪潮中占据领先位置。

(本文为MIT Technology Review Insights赞助内容,由调研、分析和人工撰写完成。)

原文链接