Företagsuppgifter: 57 % har sett AI-agenter ge felaktiga svar
En undersökning visar att 57 % av företagen har upplevt att AI-agenter har gett självsäkra, men felaktiga, svar. Problemet identifieras som bristfällig eller inkonsekvent affärareal.
Många företag har stött på situationer där AI-agenter ger självsäkra men felaktiga svar. Enligt en ny undersökning från VentureBeat har 57 % av företagen spårat sådana felaktiga svar till bristfällig eller inkonsekvent affärsrealtid. Av dessa har 31 % upplevt detta problem mer än en gång.
Undersökningen visade att hämtning från dokument är den vanligaste metoden (38 % av företagen) för att förse AI-agenter med affärsrealtid. Tyvärr prioriterar många företag användarvänlighet och operativ enkelhet framför hämtningsnoggrannhet. Problemen med noggrannheten visar sig först efter att systemet har driftsatts.
En lösning som identifierats är ett styrt kontextlager, som alla AI-agenter bör hämta information från. Många teknikleverantörer utvecklar nu sådana kontextplattformar, men de flesta företag håller fortfarande på att förstå konceptet. Endast 25 % av de undersökta företagen använder ett styrt kontextlager i produktion, 34 % bygger ett, och 41 % har inga planer ännu.
På teknikmarknaden tävlar olika aktörer – som Microsoft, Oracle, Google och AWS – med egna lösningar för att utveckla kontextlager. Även om metoderna varierar, är analytiker överens om kärnproblemet: AI-agenter behöver inte bara mer data och bättre modeller, utan även styrd, aktuell kontext med låg latens för att kunna fungera tillförlitligt.