将 AI 智能体连接到企业知识
赞助内容 人工智能 将 AI 智能体连接到企业知识 一个连接数据与智能体的强大结构基础，是构建可扩展、上下文丰富的智能体 AI 的关键。 作者：MIT Technology Review Insights 存档页面 2026 年 10 月 5 日 与 Neo4j 合作
尽管 AI 系统不断积累和分析大量数据，企业 AI 智能体却常常受困于一个令人费解的短板：缺乏知识。知识不只是数据，它是对数据在具体组织语境中含义的理解。AI 智能体需要这种理解来推理情境、做出决策，并最终采取行动。若缺乏足够的知识，智能体很容易做出有缺陷且不可靠的决策。我们的研究发现，知识不足是智能体 AI 用例始终无法进入生产环境的一个主要原因。
竞争压力使解决这一问题变得紧迫。组织需要部署并扩展更多智能体项目，以获取 AI 所承诺的效率提升。若做不到这一点，就可能浪费已投入这些项目的资金，并把优势让给那些已经更有效部署智能体的竞争对手。
下载报告
本报告基于对 300 名数据、AI 及其他技术高管的调查，目的有三。首先，它旨在评估组织在语义知识、情景记忆和程序性知识方面的智能体知识能力，即其让 AI 智能体对所摄取数据拥有完整语境理解的能力。其次，报告探究组织在改善知识获取以及最终推动更多智能体用例进入生产环境方面所面临的挑战。第三，报告探讨组织为克服这些挑战正在采取的措施。
主要发现包括：
- 数据和知识薄弱持续阻碍 AI 智能体进展。平均而言，组织中只有约三分之一（34%）的智能体 AI 项目进入生产环境。即便是高科技公司也在这方面举步维艰。遗留数据系统、安全与隐私担忧，以及知识和上下文不足，是关键失败点。
- 强大的知识能力与智能体成功相关。一小群生产领导者（其平均 61% 的智能体项目能推进到试点之后）拥有比其余组织更强的知识能力，尤其是在语义方面。这一优势与其更高的投产率密切相关。
- 碎片化数据极大复杂化了知识获取。数据碎片化（系统之间数据共享不足）最常被认为是扩大智能体知识获取的首要挑战（55% 提及）。相比之下，生产领导者更可能将安全与隐私担忧视为主要问题（该群体中有 72% 提及）。
- 大多数公司旨在加强数据与智能体之间的联系。在能够带来更高质量智能体决策的举措中，高管们预计最大影响将来自加强组织数据与其 AI 智能体之间的结构基础。我们采访的专家认为，知识层是实现这一目标的主要方式。
- 提升知识的投资重点从管道到知识图谱不等。为扩大智能体对知识的获取，组织将优先投资于检索技术，如摄取管道、AI-ready API 和检索增强生成（RAG）；投资于 AI 评估智能体；以及投资于知识图谱。
下载报告
本内容由 MIT Technology Review 的定制内容部门 Insights 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 工具都仅限于在人工监督下用于生产流程。 作者：MIT Technology Review Insights 分享 在 linkedin 上分享故事 在 facebook 上分享故事 通过电子邮件分享故事
热门内容 AI 的递归自我改进也许终究不会来得那么快 Michelle Kim 别被骗了——LLM 并不会推理 Thore Graepel 别被这个 AI 炒作之夏骗了 Timnit Gebru Emily M. Bender 这些初创公司正在追逐 LLM 的下一个大事件 Will Douglas Heaven
深度解读 人工智能 AI 的递归自我改进也许终究不会来得那么快 看来，AI 智能体还不够有创造力，无法开展真正创新性的开放式 AI 研究。 作者：Michelle Kim 存档页面 别被这个 AI 炒作之夏骗了 关于 AGI 和新能力的夸张说法，在审视之下很快就会站不住脚。 作者：Timnit Gebru 存档页面 Emily M. Bender 存档页面 这些初创公司正在追逐 LLM 的下一个大事件 来认识一下那些正在追赶 AI 巨头的新玩家。 作者：Will Douglas Heaven 存档页面 比尔·盖茨说我们已经越过了 AI 的危险阈值。接下来呢？ 在一次新采访中，这位亿万富翁慈善家就整顿我们的 AI 政策的紧迫性发出警告。 作者：Mat Honan 存档页面
保持联系 插图：Rose Wong 获取 MIT Technology Review 的最新动态 发现特别优惠、热门故事、即将举行的活动等。 输入你的电子邮件 隐私政策 感谢你提交电子邮件！ 探索更多新闻通讯 看起来出了点问题。我们在保存你的偏好设置时遇到了麻烦。请尝试刷新此页面并再次更新。如果你持续收到此消息，请通过 customer-service@technologyreview.com 联系我们，并附上你想接收的新闻通讯列表。