行业动态MIT Technology Review AI
来源时间 本站刊期
将 AI Agent 连接到企业知识
Connecting AI agents to enterprise knowledge
企业AI代理缺的不是数据，而是组织语境，知识工程才是落地门槛
判断
把预算和验收口径从模型层挪到语境层的决定，该由首席数据官牵头拍板：代理只跑到试点时，先按语义知识、情景记忆、流程知识三项分别验收，再谈扩规模。
依据
MIT Technology Review Insights 与 Neo4j 联合调研了 300 位数据、AI 及其他技术高管，结论是代理缺的是知识而非数据——知识指数据在本组织语境里意味着什么。机制很清楚：代理没有这层理解，就会在推理和行动上出错，于是试点做不完。对照数字是：平均只有 34% 的代理项目进入生产，而生产领先者（平均 61% 的项目越过试点）在语义能力上明显更强，两者同步。障碍分布也分开了：55% 的人把数据碎片化（系统之间数据共享不足）列为扩大代理知识获取的首要难题；领先者更把安全与隐私当主要顾虑，这一组占 72%。投入方向集中在检索技术，包括摄取管道、AI-ready API 和 RAG（检索增强生成，先检索再交给模型生成），以及评估代理和知识图谱。
- 代理项目进入生产（整体平均）34%
- 代理项目进入生产（生产领先者）61%
- 把数据碎片化列为扩大知识获取的首要难题55%
- 生产领先者把安全与隐私列为主要顾虑72%
没写清 材料没给建设知识层所需的成本、周期和人力，也没拆出 34% 里有多少失败源于数据本身、多少源于语境缺失。
下一步 核对这份报告对语义知识、情景记忆、流程知识分别给出的验收指标定义，看能否直接拿来当验收清单。