如何提升 Agentic Analytics 的洞察质量

短短几年间，生成式 AI 已经改变了企业分析的面貌，尤其是让全组织范围内的用户都能使用分析功能。智能体 AI（Agentic AI）承诺带来更多改变：自动化整个工作流，并基于智能体的洞察采取行动。但有一个问题：智能体目前生成的洞察质量还有很大提升空间。

在本报告调研的企业中，智能体生成的洞察只有不到一半能带来业务改进。虽然大多数受访者称赞其智能体的描述性洞察质量，但对规范性洞察——即据以采取行动的那些洞察——的评价则明显褒贬不一。

无法产出能改进业务的洞察，会让企业无法从智能体分析投资中获得预期回报。更糟的是，触发错误行动的缺陷洞察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智能体所产出结果的质量，并探讨了企业如何提升洞察质量，让智能体为企业发挥更大作用。

报告的一些主要发现如下：

智能体分析才刚刚开始展现成效。在受访企业中，分析智能体生成的洞察平均有 48% 能带来改进业务的行动。相比受访者所说一年前 37% 的平均水平，这是显著进步。但这也意味着，如今分析智能体生成的洞察中仍有超过一半未能为企业提供帮助。

洞察质量越高，业务优势越明显。在一小部分我们称之为“洞察领导者”的企业中，AI 智能体的表现远高于平均水平。在这一群体中，超过 70% 的智能体洞察能带来改进业务的行动。洞察领导者对其智能体洞察质量的评价也高于受访者的整体水平。在规范性洞察方面，这一质量差距尤为明显。

上下文不足降低了洞察质量。当分析智能体产出的洞察质量不达标时，主要原因是缺乏业务上下文，55% 的受访高管提到了这一点。其次是数据碎片化或难以访问，占 45%。较少的洞察领导者表示其智能体在获取上下文方面存在困难。

洞察过载进一步削弱智能体效能。在多数（52%）受访企业中，分析智能体生成的洞察数量过多，无法得到充分评估，因此也无法据此采取行动。只有不到四分之一（24%）的企业能够评估所有智能体洞察；大多数企业只能逐案评估，而这一过程目前高度依赖人力。

治理与语义是提升洞察质量的关注重点。受访企业正在优先推进通过强化 AI 和数据治理（60% 提及）来改善智能体洞察的举措。他们还在数据架构中添加语义层（45%）。我们采访的专家一致认为，语义层对于确保智能体高效运行至关重要。

本内容由 Insights（MIT Technology Review 的定制内容部门）制作，而非其编辑部出品。内容经人工调研与撰写，任何可能使用的 AI 工具均仅限于在人类监督下的制作流程。