生成式人工智能正在重塑企业分析领域，其核心承诺在于自动化工作流程并基于智能体（Agent）生成的洞察采取行动。然而，当前智能体分析面临的主要挑战在于“洞察力质量”不足。
一项针对企业的调查显示，仅有不到一半的组织中，智能体产生的洞察能够直接转化为业务改善。尽管多数受访者认可智能体在描述性见解方面的表现，但对于指导具体行动的规范性见解，评价则显得参差不齐。
低质量的洞察不仅导致组织无法获得预期的投资回报，更可能因错误的行动建议而损害声誉或造成财务损失。相关报告深入评估了企业对智能体输出质量的看法，并探讨了提升洞察质量以增强业务影响力的路径。
关键数据与发现
- 转化率显著提升但仍过半失效：在被调查的公司中，平均有 48% 的分析智能体产生的洞察促成了业务改善行动，较去年的 37% 有明显增长。然而，这意味着超过半数的智能体洞察仍未对企业产生实质帮助。
- “洞察领导者”优势明显：在一小部分被称为“洞察领导者”的组织中，AI 智能体的表现远超平均水平，超过 70% 的洞察导致了业务改善。这些组织对智能体洞察质量的评价也更高，尤其是在规范性见解方面，差距尤为显著。
- 背景缺失是主要障碍：当智能体提供低质量洞察时，55% 的高管将其归因于缺乏业务背景信息；另有 45% 的受访者指出数据碎片化或难以获取是另一大主因。即便是“洞察领导者”，也普遍反映智能体在获取上下文方面存在困难。
- 洞察过载抑制有效性：52% 的被调查组织表示，智能体生成的洞察数量过多，导致无法有效评估并采取行动。目前，仅有不到四分之一（24%）的受访者能够评估所有智能体洞察，这一过程高度依赖人力，亟需更多人才支持。
- 治理与语义层是关键抓手：为改善洞察质量，60% 的受访公司优先考虑加强 AI 和数据治理，45% 的公司致力于在数据架构中添加语义层。专家普遍认为，语义层对于确保高性能智能体至关重要。
注：以上内容源自麻省理工科技评论定制内容部门 Insights 制作的报告，由人类研究与编写，生产过程中使用的人工智能工具均处于人类监督之下。
