Företagens AI-agenter litar dåligt på sitt kontextunderlag

En ny undersökning från VentureBeat belyser ett betydande problem inom företagsanvändning av artificiell intelligens: infrastrukturen som förser AI-agenter med affärskontext byggs snabbt, men dess tillförlitlighet släpar efter. De flesta företag har upptäckt att deras AI-agenter ger självsäkra men felaktiga svar, vilket beror på saknad eller inkonsekvent information. Denna "kontextlucka" underminerar de potentiella fördelarna med AI inom företag.

Av de deltagande företagen rapporterade 57 % att deras AI-agenter lämnat felaktiga svar under de senaste sex månaderna. Dessa fel har kunnat spåras till bristfällig eller inkonsekvent affärskontext. Problemet är utbrett, då retrieval-augmented generation (RAG) redan utgör den primära informationskällan för AI-agenter i 38 % av företagen. När detta system är tunt eller inkonsekvent, underminerar felen agentens auktoritet.

Lösningar, som ett styrd semantiskt lager, är under utveckling och 58 % av företagen bygger eller använder redan en sådan lösning. Marknaden konsolideras dock på ett oväntat sätt. Istället för dedikerade vektordatabaser använder allt fler företag leverantörspecifika sökfunktioner, som OpenAI:s filsökning (40 %) och Google Vertex AI Search (38 %). Hybrid sökning förväntas dominera framöver.

Intressant nog, trots att leverantörernas egna verktyg är populära i praktiken, planerar 36 % av företagen att behålla separata "best-of-breed"-verktyg. Majoriteten (57 %) planerar att byta eller utöka med leverantörer inom ett år. Detta visar en spänning mellan företagens uttalade preferenser och deras faktiska användning och strategier.

Denna VentureBeat Pulse Research-studie omfattade 101 företag och ger vägledande insikter om tillståndet för AI-kontextlager inom företagssektorn. Undersökningens metodologi beaktar urvalsstorlekens begränsningar och självselektion, varför resultaten bör tolkas som indikativa.