Connecting AI agents to enterprise knowledge

将AI代理连接到企业知识 | MIT Technology Review

Sponsored

人工智能

将AI代理连接到企业知识

连接数据和代理的强结构性基础，是实现可扩展的、具备丰富上下文的自主代理AI的关键。

By

• MIT Technology Review Insights archive page

2026年10月5日

与Neo4j合作

尽管AI系统持续积累和分析大量数据，企业AI代理却常常面临一个令人困惑的缺陷：缺乏知识。与数据相比，知识是组织内部理解数据含义的能力。AI代理需要这种理解来推理情境、做出决策并最终采取行动。缺乏足够知识时，代理容易做出有缺陷且不可靠的决策。

我们的研究发现，知识的缺失是自主代理AI用例无法进入生产环境的主要原因。竞争压力使解决这一问题变得迫在眉睫。组织需要部署和扩展更多自主代理项目，以实现AI承诺的效率提升。如果未能达标，不仅会浪费已投入这些项目的投资，还会让已经更有效利用代理的竞争对手抢占先机。

DOWNLOAD THE REPORT

本报告基于对300位数据、AI及其他技术高管的调查，其目的有三：首先，评估组织在语义知识、情景记忆和程序性知识方面的自主代理知识能力（即赋予AI代理对其摄入数据完整上下文理解的能力）；其次，探讨组织在提升知识获取和推动更多代理用例进入生产环境方面面临的挑战；第三，分析组织为克服这些挑战所采取的措施。

主要发现包括：

数据和知识的薄弱环节持续阻碍AI代理进展。平均而言，只有约三分之一（34%）的组织自主AI项目能进入生产环境。即使是高科技企业也面临这一难题。遗留数据系统、安全和隐私问题，以及知识和上下文的缺乏是主要失败点。

强大的知识能力与代理成功密切相关。一小部分生产领导者（平均61%的自主项目能从试点阶段推进到生产阶段的组织）在知识能力方面强于其他组织，尤其是在语义方面。这一优势与他们更高的生产率密切相关。

碎片化数据极大复杂化了知识获取。数据碎片化（系统间数据共享不足）被55%的受访者列为扩大代理知识访问的主要挑战。相比之下，生产领导者更可能将安全和隐私问题视为主要担忧（72%的受访者持此观点）。

大多数企业旨在加强数据与代理之间的联系。在能提升代理决策质量的措施中，高管们预计加强组织数据与AI代理之间的结构性基础将产生最大影响。我们采访的专家认为，构建知识层是实现这一目标的关键方法。

投资重点从知识管道扩展到知识图谱。为了扩大智能体对知识的访问，组织将优先投资检索技术（如摄入管道、AI就绪API和检索增强生成（RAG））、AI评估智能体以及知识图谱。

本内容由Insights（麻省理工科技评论的定制内容部门）制作，而非其编辑团队。内容由人类研究和撰写，任何可能使用的AI工具均在人类监督下仅限于生产流程。

深度解析

人工智能

AI的递归自我改进可能不会如此迅速到来

看来，AI智能体目前尚未具备足够的创造力，无法开展真正创新的开放式AI研究。

• Michelle Kim 个人档案页

不要被误导——大语言模型并不具备推理能力

自AlphaGo与围棋冠军李世石对弈以来已过去十年，如今的AI仍未触及使那次胜利成为可能的核心机制。

• Thore Graepel 个人档案页

不要被这个AI热潮所迷惑

关于通用人工智能（AGI）和新能力的狂热宣称，在仔细审视下很快就会土崩瓦解。

• Timnit Gebru 个人档案页

• Emily M. Bender 个人档案页

这些初创公司正在追逐LLM领域的下一个大机遇

认识一下正在紧追AI巨头脚步的新晋企业。

• Will Douglas Heaven 个人档案页

保持联系

插图由Rose Wong绘制

获取麻省理工科技评论的最新动态

发现特别优惠、热门故事、即将举行的活动等更多信息。