企业和技术领导者不需要说服，现在是代理智能AI的时代。组织正在迅速采纳智能代理，少数高管对这一技术能够改变工作的潜力表示怀疑。但许多组织发现，从AI中实现预期的投资回报率（ROI）取决于拥有正确的基础，而不足的基础设施和数据则是主要障碍。代理智能AI对企业数据系统提出了新的巨大需求。从回答问题到采取行动的转变意味着智能代理需要来自整个企业的数据，包括所有的结构化和非结构化数据，并且要有正确的业务背景。为了实时做出决策并采取行动，代理还需要无障碍地访问组织的运营系统，例如存储供应链、销售点或人力资源数据的系统。即使是几年前刚刚更新的传统数据系统，也难以满足这些需求。随着智能代理在企业运营中得到更广泛的应用，克服传统数据系统的限制的需求变得越发迫切。如果Gartner预测的到2027年智能代理将增强或自动化50%的商业决策的判断是正确的，组织必须消除瓶颈，否则将面临剥夺代理所需数据的风险，从而无法快速做出正确的决策。本报告基于对300位数据和技术高管的调查，探讨了传统系统如何限制许多组织内智能代理的有效性。它发现少数组织——数据领导者——在代理智能AI方面取得了更大的成功，并且由于传统系统的限制而经历的数据限制较少。这些领导者提供了一个创建合适数据环境以促进代理发展和信任系统扩展的指南。报告的关键发现包括：目前只有少数公司为智能代理提供足够的企业数据访问。在所有受访组织中，AI只能访问平均45%的公司数据。在被归类为“数据滞后者”的组织中，这一比例降至30%或更少。然而，一小部分组织确保了超过70%的数据访问。这些“数据领导者”在智能代理的成功方面明显优于其他组织。对代理决策的信任反映了数据准备的状态。目前，只有大约一半的受访组织相信其智能代理的决策是准确和相关的。相比之下，100%的数据领导者信任其代理的决策，强烈表明可靠的AI需要可靠的数据基础。数据领导者发现实现代理规模和速度变得更为容易。三分之二的数据滞后者表示，传统数据系统限制了AI代理的规模（66%）并且阻碍了代理快速做决策（68%）。数据领导者在很大程度上克服了传统数据的限制，几乎清除了这些障碍，仅有8%报告遇到这样的限制。使数据环境适应智能代理的压力越来越大。在两年内，100%的受访者计划使用智能AI，其中69%预计将广泛使用。若不消除数据系统的限制，智能代理将无法提供其承诺的速度和效率。数据访问和上下文是首要任务。在所有受访者中，促进AI代理规模扩展的最重要措施是改善对结构化和非结构化数据的访问。增强数据和AI治理，并提供业务背景同样位于优先列表之上。数据领导者也在大力推动数据管理的自动化。下载完整报告。本文由Insights制作，这是MIT技术评论的定制内容部门。本文并非由MIT技术评论的编辑团队撰写，而是由人类写作，编辑，分析和插画师研究，设计和撰写的。这包括调查的撰写和数据收集。可能使用的AI工具仅限于经过严格人类审核的二次生产过程。