Företags AI-agenter gör fel – bristande kontext är boven
Ny forskning visar att 57 % av företag har upplevt AI-agenter ge självsäkert felaktiga svar. Bristfällig eller inkonsekvent affärssammanhang anges ofta som orsak.
En ny undersökning från VentureBeat visar att en betydande andel företag upplever problem med AI-agenter som ger felaktiga men självsäkra svar. Enligt en VB Pulse-enkät från juni 2026, som inkluderade 101 kvalificerade företag med över 100 anställda, har 57 % av företagen spårat självsäkert felaktiga AI-svar till saknat eller inkonsekvent affärssammanhang. Dessutom rapporterade 31 % att detta inträffade mer än en gång.
Grundorsaken ligger ofta i hur AI-agenter får sin affärsinformation. För 38 % av företagen är dokumenthämtning (retrieval) standardmetoden för att förse agenter med kontext. Kriterierna för att välja dessa system prioriterar ofta enkelhet i inmatning och drift framför faktisk hämtningsnoggrannhet, en brist som ofta upptäcks först efter att systemet är i drift.
En känd lösning på problemet är ett "hanterat kontextlager" (governed context layer) som alla agenter läser från istället för att gissa. Trots detta saknar nästan 75 % av företagen ett sådant lager. Ett sådant lager syftar till att skapa en gemensam modell av vad affärsdata faktiskt betyder, byggd en gång och konsekvent refererad.
Enligt undersökningen använder 25 % av företagen ett hanterat kontextlager i produktion, 34 % bygger ett just nu, och 41 % har inte påbörjat arbetet. Företag som redan har stött på problemet är betydligt mer benägna att bygga lösningen. Leverantörer av AI- och datalösningar utvecklar nu snabbt egna versioner av dessa kontextlager, även om arkitekturerna varierar. Branschanalytiker är dock eniga om att den underliggande problematiken handlar om bristande kontextkontroll och betonar behovet av konsekvent, aktuell och låg latens-kontext.