Kết nối các tác nhân AI với tri thức doanh nghiệp

Đối với tất cả dữ liệu mà các hệ thống AI liên tục thu thập và phân tích, các tác nhân AI cấp doanh nghiệp thường mắc phải một thiếu sót kỳ lạ: thiếu kiến thức. Hơn cả dữ liệu, kiến thức là sự thấu hiểu ý nghĩa của dữ liệu trong bối cảnh của từng tổ chức. Các tác nhân AI cần sự thấu hiểu này để suy luận về các tình huống, đưa ra quyết định và cuối cùng là thực hiện hành động. Nếu không có đủ kiến thức, các tác nhân dễ đưa ra những quyết định sai lầm và không đáng tin cậy. Nghiên cứu của chúng tôi cho thấy, thiếu kiến thức là một lý do chính khiến các trường hợp sử dụng AI tác nhân không bao giờ được đưa vào sản xuất. Áp lực cạnh tranh đang khiến việc giải quyết vấn đề này trở nên cấp bách. Các tổ chức cần triển khai và mở rộng nhiều dự án AI tác nhân hơn để nắm bắt những lợi ích về hiệu quả mà AI hứa hẹn. Nếu không làm được điều này, họ có nguy cơ lãng phí khoản đầu tư đã bỏ ra cho các dự án này và nhường lợi thế cho các đối thủ đã và đang vận hành tác nhân của họ hiệu quả hơn. TẢI BÁO CÁO Mục đích của báo cáo này, dựa trên khảo sát 300 giám đốc điều hành về dữ liệu, AI và các công nghệ khác, gồm ba phần. Thứ nhất, báo cáo nhằm đánh giá năng lực kiến thức tác nhân của các tổ chức (tức là khả năng cung cấp cho các tác nhân AI sự hiểu biết đầy đủ về ngữ cảnh của dữ liệu mà chúng tiếp nhận) trên các khía cạnh kiến thức ngữ nghĩa, trí nhớ tình huống và kiến thức quy trình. Thứ hai, báo cáo đi sâu vào các thách thức mà các tổ chức phải đối mặt trong việc cải thiện khả năng tiếp cận kiến thức và cuối cùng là đưa nhiều trường hợp sử dụng tác nhân hơn vào sản xuất. Thứ ba, báo cáo khám phá các biện pháp mà các tổ chức đang thực hiện để vượt qua những thách thức này. Các phát hiện chính bao gồm: Những điểm yếu về dữ liệu và kiến thức liên tục cản trở tiến trình của tác nhân AI. Trung bình, chỉ khoảng một phần ba (34%) các dự án AI tác nhân của các tổ chức được đưa vào sản xuất. Ngay cả các công ty công nghệ cao cũng gặp khó khăn với vấn đề này. Các hệ thống dữ liệu cũ, lo ngại về bảo mật và quyền riêng tư, cùng với thiếu kiến thức và ngữ cảnh là những điểm thất bại chính. Năng lực kiến thức mạnh mẽ tương quan với thành công của tác nhân. Một nhóm nhỏ các tổ chức dẫn đầu về sản xuất (nơi trung bình 61% các dự án tác nhân vượt qua giai đoạn thử nghiệm) có năng lực kiến thức mạnh hơn so với phần còn lại, đặc biệt là về ngữ nghĩa. Lợi thế này tương ứng chặt chẽ với tỷ lệ sản xuất cao hơn của họ. Dữ liệu phân mảnh làm phức tạp đáng kể việc tiếp cận kiến thức. Phân mảnh dữ liệu (việc chia sẻ dữ liệu không đầy đủ giữa các hệ thống) được trích dẫn phổ biến nhất là thách thức hàng đầu trong việc mở rộng khả năng tiếp cận kiến thức của tác nhân (55% người được hỏi). Ngược lại, các tổ chức dẫn đầu về sản xuất có nhiều khả năng coi lo ngại về bảo mật và quyền riêng tư là một mối quan tâm lớn (72% trong nhóm này). Hầu hết các công ty đều hướng tới việc tăng cường liên kết giữa dữ liệu và tác nhân. Trong số các bước có thể mang lại quyết định tác nhân chất lượng cao hơn, các giám đốc điều hành kỳ vọng tác động lớn nhất sẽ đến từ việc củng cố nền tảng cấu trúc giữa dữ liệu của tổ chức và các tác nhân AI của họ. Các chuyên gia mà chúng tôi phỏng vấn coi lớp kiến thức là một cách chính để đạt được điều này. Các ưu tiên đầu tư để tăng cường kiến thức bao gồm từ các đường ống dữ liệu đến biểu đồ tri thức. Để mở rộng khả năng tiếp cận kiến thức của tác nhân, các tổ chức sẽ ưu tiên đầu tư vào các công nghệ truy xuất, như đường ống tiếp nhận dữ liệu (ingestion pipelines), API sẵn sàng cho AI và tạo sinh tăng cường truy xuất (RAG); vào các tác nhân đánh giá AI; và vào biểu đồ tri thức (knowledge graphs). Tải báo cáo Nội dung này được sản xuất bởi Insights, bộ phận nội dung tùy chỉnh của MIT Technology Review, không phải bởi đội ngũ biên tập của họ. Nội dung được nghiên cứu và viết bởi con người, với bất kỳ công cụ AI nào có thể đã được sử dụng đều giới hạn trong các quy trình sản xuất dưới sự giám sát của con người.