Företagens AI-datahantering avslöjar dubbelt så många felaktiga svar
Enligt en ny undersökning har 68 % av företagen upptäckt att deras AI-agenter ger självsäkra men felaktiga svar på grund av bristfällig affärs kontext. Problemet är vanligare hos företag med ett hanterat semantiskt lager.
Kontexten som matas in i AI-agenter misslyckas ofta hos företag, visar VentureBeats Pulse Research. Under de senaste sex månaderna har 68 % av företagen spårat ett självsäkert men felaktigt AI-svar till saknad eller inkonsekvent affärs kontext. I de flesta fall är problemet inte enstaka, utan återkommande.
Undersökningen visar ett oväntat resultat: företag som bygger eller underhåller ett hanterat semantiskt lager (ett lager med företags specifika definitioner och relationer) rapporterar återkommande fel mer än dubbelt så ofta som de utan ett sådant lager. Det semantiska lagret orsakar inte felen i sig, utan hjälper till att upptäcka och spåra dem mer effektivt.
Undersökningen omfattade 101 företag. Resultaten tyder på att bristen på kontext inte längre är en slumpmässig avvikelse, utan ett etablerat tillstånd. 37 % av företagen rapporterar återkommande fel, medan 32 % har stött på dem en gång. De flesta felen beror på bristfällig eller motsägelsefull data kontext snarare än på modellens fel.
Den lösning som branschen har enats om – ett hanterat semantiskt lager – blir allt vanligare: 32 % av företagen använder det i produktion, 31 % är i pilot- eller byggfasen. Svarskorrekthet är den primära framgångsfaktorn för 38 % av företagen. Företag börjar nu prioritera hur kontexten hanteras snarare än att enbart fokusera på att flytta data.