报告：企业AI分析代理生成的洞察不足半数带来业务改善

短短几年间，生成式 AI 已改变企业分析的面貌，尤其是让组织内各层级的用户都能使用分析工具。Agentic AI 有望更进一步，通过自动化整个工作流并基于 agent 的洞察采取行动。但问题在于：目前 agent 生成的洞察质量仍远不尽如人意。

在本报告受访的组织中，agent 生成的洞察只有不到一半带来了业务改善。尽管多数受访者称赞其 agent 的描述性洞察质量，但对规范性洞察——即行动所依据的洞察——的评价却明显褒贬不一。

下载报告

未能产出改善业务的洞察，使组织无法获得在 agentic analytics 上期望的投资回报。更糟的是，有缺陷的洞察触发错误行动，可能造成声誉或财务损失。本报告评估企业如何看待其分析 agent 产出内容的质量，并探讨组织如何提升洞察质量、让 agent 为业务发挥更大作用。

报告的一些主要发现包括：

Agentic analytics 才刚刚开始兑现价值。在受访企业中，分析 agent 生成的洞察平均有 48% 促成了改善业务的行动。这较受访者所称一年前 37% 的平均水平有明显进步。但这意味着如今分析 agent 生成的洞察仍有超过一半未能帮助到业务。

更高质量的洞察带来明显的业务优势。在一小批我们称为“洞察领先者”的组织中，AI agent 的表现远高于平均水平。该群体中，超过 70% 的 agent 洞察促成了改善业务的行动。洞察领先者对其 agent 洞察质量的评价也高于全体受访者总体。在规范性洞察方面，质量差距尤为明显。

上下文不足拉低洞察质量。当分析 agent 交付的洞察质量不达标时，主要原因是缺乏业务上下文，55% 的受访高管如此表示。数据碎片化或难以获取是另一主要因素，占 45%。表示其 agent 受上下文获取困扰的洞察领先者较少。

洞察过载进一步削弱 agent 效能。在多数（52%）受访组织中，分析 agent 生成的洞察过多，无法得到妥善评估，因而也难以据此行动。不到四分之一（24%）的组织能够评估全部 agent 洞察；多数组织逐案评估，而这一过程目前高度依赖人工。

治理与语义层是提升洞察的重点领域。受访企业正优先推进通过加强 AI 与数据治理来获得更好 agent 洞察的举措（提及率 60%）。它们也在为数据架构添加语义层（45%）。我们采访的专家一致认为，语义层对于确保 agent 高性能至关重要。

下载报告

本内容由 MIT Technology Review 定制内容部门 Insights 制作，非其编辑团队出品。内容由人工研究与撰写，可能使用的任何 AI 工具仅限于人工监督下的生产流程。