Повышение качества аналитических выводов в агентной аналитике

Всего за несколько лет генеративный ИИ изменил облик корпоративной аналитики, в частности сделав аналитику доступной пользователям по всей организации. Агентный ИИ обещает сделать еще больше: автоматизировать целые рабочие процессы и предпринимать действия на основе выводов агентов. Но есть проблема: качество выводов, которые в настоящее время генерируют агенты, оставляет желать лучшего.

Менее половины выводов, созданных агентами в организациях, опрошенных для этого отчета, приводят к улучшению бизнеса. И хотя большинство респондентов высоко оценивают качество описательных выводов своих агентов, отзывы о предписывающих выводах — тех, на которых основываются действия, — заметно неоднозначны.

Неспособность генерировать выводы, которые улучшают бизнес, лишает организации ожидаемой отдачи от инвестиций в агентную аналитику. Более того, ошибочные выводы, запускающие неправильные действия, могут нанести репутационный или финансовый ущерб. В этом отчете оценивается, как компании воспринимают качество результатов, создаваемых их аналитическими агентами, а также рассматривается, как организации стремятся повысить качество выводов и добиться от своих агентов большей пользы для бизнеса.

Ключевые выводы отчета:

Агентная аналитика только начинает приносить результаты. В среднем 48% выводов, созданных аналитическими агентами в опрошенных компаниях, приводят к действиям, улучшающим бизнес. Это заметный прогресс по сравнению со средним показателем в 37%, о котором респонденты сообщили как о доле выводов, приведших к таким действиям год назад. Но это означает, что более половины выводов, создаваемых аналитическими агентами сегодня, по-прежнему не помогают бизнесу.

Более высокое качество выводов дает явное преимущество в бизнесе. В небольшой группе организаций, которую мы называем «лидерами по качеству выводов», ИИ-агенты работают значительно лучше среднего. В этой группе более 70% выводов агентов приводят к действиям, улучшающим бизнес. Лидеры по качеству выводов также выше оценивают качество выводов своих агентов, чем респонденты в целом. Разрыв в качестве особенно велик, когда речь идет о предписывающих выводах.

Недостаток контекста снижает качество выводов. Когда аналитические агенты выдают выводы ненадлежащего качества, главной причиной, по мнению 55% опрошенных руководителей, является отсутствие бизнес-контекста. Другим существенным фактором, согласно ответам 45% респондентов, становятся фрагментированные или недоступные данные. Среди лидеров по качеству выводов меньше тех, кто говорит, что их агенты испытывают трудности с доступом к контексту.

Избыток выводов дополнительно снижает эффективность агентов. В большинстве (52%) опрошенных организаций аналитические агенты генерируют слишком много выводов, чтобы их можно было должным образом оценить и на их основе принять меры. Лишь менее четверти (24%) способны оценить все выводы агентов; большинство делает это в каждом конкретном случае, и в настоящее время этот процесс требует значительного участия людей.

Управление и семантика — ключевые направления повышения качества выводов. Опрошенные компании отдают приоритет инициативам, направленным на улучшение выводов агентов за счет усиления управления ИИ и данными (на это указали 60% респондентов). Они также добавляют семантический слой в архитектуру данных (45%). Опрошенные нами эксперты согласны, что семантический слой играет решающую роль в обеспечении высокой эффективности агентов.

Скачать отчет

Этот материал подготовлен подразделением Insights, занимающимся специальными материалами MIT Technology Review, а не редакцией издания. Исследование и текст подготовлены людьми; любые инструменты ИИ, которые могли использоваться, применялись только в производственных процессах под контролем человека.