提升智能体分析中洞察的质量

判断

CIO 与分析负责人不应通过购买更大模型来扩展智能体工作流；他们必须先投资语义层和治理，因为仍有超过一半的智能体洞察未能改善业务。取舍是部署更慢、验证成本更高，以换取更快的自动化。

依据

MIT Technology Review Insights 在 Snowflake 赞助的报告中称，受调查公司中，分析智能体生成的洞察有48%促成改善业务的行动，高于一年前的37%——这意味着仍有超过一半未能改善业务。当质量不达标时，55%的高管提到缺乏业务背景，45%提到数据分散或无法获取。报告还发现，52%的组织生成过多洞察，难以评估和采取行动，只有24%能评估所有智能体洞察；审查多为逐案进行且人力密集。一小群洞察领导者看到超过70%的智能体洞察促成改善业务的行动。受访者优先考虑AI/数据治理（60%）和增加语义层（45%）。机制：背景与语义可提升规范性洞察质量，但人工验证仍是瓶颈，因此无治理地扩展自动化会抬高检查有缺陷行动的成本。