Свежий отчет показывает, почему подготовка данных становится главным фактором доверия к ИИ-агентам.
Агентный ИИ обещает перевернуть бизнес-процессы, но многие компании спотыкаются на полпути. Руководители видят потенциал технологий, однако возврат инвестиций упирается в банальную нехватку качественных данных. Как выстроить фундамент, на котором агенты будут работать без сбоев? Ответ — в свежем исследовании, посвященном доверию к ИИ и роли данных в его масштабировании.
Новые требования агентного ИИ к корпоративным данным
Корпоративный мир в очередной раз поверил в магию: теперь на трон возводят агентный ИИ. Интеграции, пилоты, восторженные презентации — все это уже есть. Но, как водится, дьявол прячется в мелочах, а точнее — в данных. Бизнес и технологические лидеры быстро поняли: ожидаемой отдачи от вложений не будет, если под капотом у агентов окажется инфраструктура, которая разваливается под нагрузкой, и хранилища, больше похожие на склад забытых вещей.
Раньше ИИ просто отвечал на вопросы. Теперь от него ждут действий — и это переворачивает всё с ног на голову. Чтобы агент сам решил задачу, проверил склад, пересчитал поставку или согласовал заявку, ему нужен доступ к данным всего предприятия: структурированным таблицам, неструктурированным документам, перепискам и логам, да еще и с правильным бизнес-контекстом. Это, пожалуй, самый дерзкий вызов для Artificial Intelligence за последние годы, ведь без контекста даже самый умный алгоритм превращается в слепого котенка.
И тут начинается веселье. Для работы в реальном времени агентам необходим беспрепятственный доступ к операционным системам: к цепочкам поставок, POS-терминалам, базам HR. Звучит логично, но на практике большинство таких систем — это легаси, которое латали десятилетиями. Даже те хранилища, что обновляли всего пару лет назад, с трудом переваривают новые нагрузки. Отчет, основанный на опросе 300 руководителей данных и технологий, прямо говорит: legacy-системы сегодня ограничивают эффективность агентов почти повсеместно.
А время поджимает. Аналитики Gartner прогнозируют, что к 2027 году агенты будут автоматизировать или дополнять половину всех бизнес-решений. Если не убрать барьеры сейчас, компании рискуют получить армию агентов, которые смотрят на закрытые двери и не могут пошевелиться. Согласитесь, забавное зрелище, но только не для тех, кто заплатил за это миллионы.
Ключевые выводы: как лидеры данных преодолевают барьеры
Свежий отчет MIT Technology Review, основанный на опросе 300 руководителей, показал: большинство компаний пока не готово к эре агентного ИИ. В среднем ИИ-агенты получают доступ лишь к 45% корпоративных данных. У аутсайдеров — так называемых data laggards — этот показатель падает до 30% и ниже. Зато лидеры данных (data leaders) умудряются открыть агентам более 70% информации. Неудивительно, что именно они добиваются больших успехов.
Доверие к решениям ИИ напрямую связано с качеством данных. Только около половины опрошенных организаций готовы положиться на точность и релевантность выводов своих агентов. Среди лидеров данных этот показатель достигает 100% — практически железное доказательство того, что надежный ИИ строится на надежном фундаменте.
Устаревшие системы — главный тормоз
Цифры говорят сами за себя: две трети отстающих жалуются, что легаси-системы ограничивают масштабирование агентов (66%) и не дают им действовать на скорости (68%). Лидеры, сумевшие выстроить современную инфраструктуру, почти не сталкиваются с такими проблемами — лишь 8% отмечают подобные ограничения.
Давление на подготовку данных только усиливается. В течение ближайших двух лет 100% респондентов планируют внедрять агентный ИИ, а 69% рассчитывают на его широкое использование. Это значит, что компаниям придется в сжатые сроки пересматривать подход к управлению данными.
Главные приоритеты для масштабирования — улучшение доступа к структурированным и неструктурированным данным, усиление управления данными и ИИ с бизнес-контекстом, а также автоматизация управления данными. Для Machine Learning Engineer, настраивающих конвейеры данных, это означает, что без автоматизации и четкого контекста масштабирование Machine Learning превращается в бесконечную борьбу с рутиной.
Исследование не оставляет сомнений: путь к эффективному агентному ИИ лежит через данные. Компании, которые уже инвестируют в современную инфраструктуру и автоматизацию, получают ощутимое преимущество. Остальным придется поторопиться, ведь время на раскачку заканчивается.