如何提升智能体分析所生成洞察的质量

短短几年间，生成式 AI 已改变了企业分析的面貌，尤其是让组织内各类用户都能使用分析功能。代理式 AI 承诺能做得更多，通过自动化整个工作流并基于代理洞察采取行动。但问题在于：代理目前生成的洞察质量仍远不尽如人意。

在本报告所调查的组织中，代理生成的洞察不到一半能带来业务改善。尽管多数受访者称赞其代理描述性洞察的质量，但对规范性洞察——即行动所依据的洞察——的评价则明显褒贬不一。

未能产生改善业务的洞察，使组织无法获得代理式分析所期望的投资回报。更糟的是，有缺陷的洞察会触发错误行动，可能造成声誉或财务损失。本报告评估了企业如何看待其分析代理所产出内容的质量，并探讨了组织如何寻求提升洞察质量、让代理更努力地为业务服务。

报告的一些主要发现包括：

代理式分析才刚刚开始见效。平均而言，受访公司中分析代理生成的洞察有 48% 能带来改善业务的行动。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代理生成的洞察仍有超过一半未能帮助到企业。

更高质量的洞察带来明显的业务优势。在一小批我们称之为“洞察领导者”的组织中，AI 代理的表现远高于平均水平。在该群体中，超过 70% 的代理洞察能带来改善业务的行动。洞察领导者对其代理洞察质量的评分也高于全体受访者。在规范性洞察方面，质量差距尤为明显。

上下文不足会降低洞察质量。当分析代理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%。较少的洞察领导者表示其代理在获取上下文方面存在困难。

洞察过载进一步抑制代理效能。在多数（52%）受访组织中，分析代理生成的洞察过多，无法得到妥善评估，因而也难以据此采取行动。不到四分之一（24%）的组织能够评估所有代理洞察；多数组织逐案评估，而这一过程目前高度依赖人工。

治理与语义是提升洞察的重点领域。受访公司正优先推进通过加强 AI 与数据治理（60% 提及）来实现更优代理洞察的举措。它们还在数据架构中加入语义层（45%）。我们采访的专家一致认为，语义层对于确保代理高性能至关重要。

本内容由 Insights 制作，Insights 是《麻省理工科技评论》的定制内容部门，而非其编辑团队。内容由人工调研和撰写，任何可能使用的 AI 工具仅限于在人工监督下的生产流程。