企業與技術領導者無需多言，代理式 AI 的時代已經來臨。組織正快速採用代理，很少有高階主管懷疑這項技術改變工作的潛力。但許多組織發現，要從 AI 實現期望的投資報酬率 (ROI)，關鍵在於擁有正確的基礎，而基礎設施與數據不足是主要的阻礙。
代理式 AI 對企業數據系統提出了相當大的新需求。從回答問題轉變為採取行動，意味著 AI 代理需要來自企業各處的數據，涵蓋所有結構化與非結構化形式，並具備正確的商業脈絡。為了即時做出決策並採取行動，代理還需要順暢地存取組織的營運系統，例如儲存其供應鏈、銷售點或人力資源數據的系統。傳統數據系統，即使是幾年前才更新過的，也難以滿足這些需求。
隨著 AI 代理更廣泛地嵌入企業營運，克服傳統數據系統限制的需求變得更加迫切。如果 Gartner 預測到 2027 年 AI 代理將會增強或自動化 50% 的商業決策，那麼組織必須消除瓶頸，否則就有可能剝奪代理做出正確決策所需的數據。
這份報告基於對 300 位數據與技術主管的調查，探討了傳統系統如何在許多組織中限制代理式 AI 的有效性。報告發現，少數組織——數據領導者——在代理式 AI 方面取得了更大的成功，並且由於傳統系統而面臨較少的數據限制。這些領導者為創建適合代理蓬勃發展的正確數據環境和可擴展的可信賴系統提供了指導。
報告的關鍵發現包括：
目前很少有公司能讓代理式 AI 充分存取企業數據。在所有受訪組織中，AI 平均只能存取公司 45% 的數據。在被歸類為「數據落後者」的組織中，這個數字降至 30% 或更低。然而，一小部分組織確保了超過 70% 的數據存取權。這些「數據領導者」的代理比其他組織取得了更大的成功。
對代理決策的信任反映了數據的準備程度。今天，只有約一半的受訪組織信任其 AI 代理所做的決策是準確且相關的。相比之下，100% 的數據領導者信任他們的代理決策，這強烈表明可靠的 AI 需要可靠的數據基礎。
數據領導者更容易實現代理的規模和速度。三分之二的數據落後者表示，傳統數據系統限制了 AI 代理的擴展 (66%)，並阻止代理即時做出決策 (68%)。數據領導者在很大程度上克服了傳統數據的限制，清除了這些障礙，只有 8% 的人報告了其中一項限制。
讓數據資產準備好迎接代理的壓力越來越大。在兩年內，100% 的受訪者計劃使用代理式 AI，其中 69% 預計將廣泛使用。如果不消除數據系統的限制，代理式 AI 將無法提供其承諾的速度和效率。
數據存取和脈絡是首要任務。對所有受訪者而言，實現擴展最重要的舉措是改善 AI 代理對結構化和非結構化數據的存取。另一項重點是透過商業脈絡增強數據和 AI 的治理。數據領導者也高度關注數據管理的自動化。