报告基于哈里斯民意调查对全球800名数据领导者的调查，重申了一个关键观点：AI智能体已不再是实验性的。高达86%的受访者表示其组织如今在日常运营中依赖智能体，近半数的组织（42%）将其嵌入数十个核心流程，并依赖于它们。
然而，在这快速普及之下，隐藏着一种揭示性的紧张关系：领导者们承认在信任、可解释性和准备度方面存在显著差距，这些因素共同抑制了AI的性能并阻碍了大规模推广。
关键发现
而且利害关系是个人化的：当AI取得成功时，首席信息官和首席数据官最有可能因此获得赞誉（46%）；而当AI失败时，他们则更有可能受到指责（56%）。
智能体在行动，信任受质疑
2/3的数据领导者表示，他们公司的AI智能体在自动化运营任务方面，比在进行分析性的、更高层次的商业判断方面表现更好。
仅有1/5的数据领导者总是要求智能体”展示其工作过程”，而绝大多数数据领导者惊人地承认，如果他们被要求向监管机构提供这种推理，他们无法完全端到端地追溯AI的决策过程。
事实上，仅有的数据领导者会考虑将AI智能体用于任何业务功能，包括招聘、合规或道德决策等敏感、高风险的职能。
信任面临考验
最具说服力的信号来自一个统计数据：75%的数据领导者表示，对其AI智能体部署的信任度是一个担忧。
性能瓶颈
AI智能体是否停滞不前？半数的数据领导者表示，他们部署的智能体中能成功跨越概念验证阶段投入实际使用的不足一半。麻省理工学院的研究也反映了这种脆弱性，表明95%的生成式AI试点项目未能实现投资回报。
未来展望
本报告揭示了一个坦诚的真相：数据领导者正在将AI推向日常业务的核心，但他们是在控制有限和信心不稳的情况下这样做的。而这种风险远非假设：在过去一年中，59%的数据领导者已经因AI幻觉或不准确而面临业务问题或危机。
文档链接将分享到199IT知识星球，扫描下面二维码即可查阅！
0 条