AI-agenten kampen met gebrek aan kennis in organisaties

Organisaties die AI-systemen inzetten, ondervinden dat hun AI-agenten vaak tekortschieten in kennis, wat hen belemmert in het nemen van goede beslissingen. Dit gebrek aan kennis, dat verder gaat dan alleen data, is een belangrijke reden waarom veel agentic AI-projecten niet in productie komen. Het is cruciaal voor organisaties om deze kennis te verbeteren om de efficiëntiewinst die AI belooft te realiseren.

Uit een recent onderzoek onder 300 technologie-executives blijkt dat slechts 34% van de agentic AI-projecten daadwerkelijk de productiefase bereikt. Dit probleem is niet alleen aanwezig bij traditionele bedrijven; zelfs hightech bedrijven hebben moeite met het omzetten van pilotprojecten naar productie. Belangrijke obstakels zijn onder andere verouderde datasystemen, zorgen over beveiliging en privacy, en het gebrek aan contextuele kennis.

De studie toont aan dat organisaties met sterke kenniscapaciteiten beter presteren in het opschalen van hun AI-projecten. Productieleiders, waar gemiddeld 61% van de projecten verder gaat dan de pilotfase, hebben een betere kennisbasis, vooral op het gebied van semantiek. Dit benadrukt het belang van een goede kennisstructuur voor het succes van AI-agenten.

Een van de grootste uitdagingen voor organisaties is dat dataverlies en fragmentatie het moeilijk maken om kennis toegankelijk te maken voor AI-agenten. 55% van de respondenten noemt dataverlies als een topprioriteit, terwijl productieleiders vooral beveiliging en privacy als een grote zorg zien. Het versterken van de verbinding tussen data en AI-agenten wordt als essentieel gezien voor het verbeteren van de besluitvorming van agenten.

Om de toegang van agenten tot kennis te vergroten, willen organisaties investeren in technologieën zoals gegevensinvoerpijplijnen, AI-klaar API's en kennisgrafieken. Deze investeringen zijn gericht op het creëren van een kennislaag die de kwaliteit van de beslissingen van AI-agenten moet verbeteren.