66 % av organisationerna säger att realtidsdata inte är förhandlingsbart, enligt forskning

Denodo enledande aktör inom datahantering, har släppt resultaten från AI Trust Gap Report  , en omfattande global studie som visar att nästa frontlinje inom artificiell intelligens, Agency AI, står inför en kritisk förtroendekris.

I takt med att AI utvecklas från passiva chattrobotar till agenter som kan fatta självständiga beslut och utlösa operativa arbetsflöden har kravet på datanoggrannhet aldrig varit högre. Forskning visar dock att tekniska hinder undergräver dessa initiativ:

• Sökandet efter kontext: 63 % av organisationerna identifierar "sökandet efter relevant data" inom specifika affärssammanhang som det största hindret för AI-implementering.
• Behovet av realtidsdata: 66 % av de svarande insisterar på att AI-data måste nås i realtid för att anses vara tillförlitlig.
• Säkerhetsparadoxen: 67 % har svårt att upprätthålla konsekvent säkerhet och åtkomstkontroller över olika system, ett viktigt krav för säker myndighetsverksamhet.
• Skala och komplexitet: Ett genomsnittligt AI-initiativ för företag förbrukar nu data från över 400 källor, varav 20 % av organisationerna hanterar fler än 1 000 källor.
• Prestandaflaskhalsar: Nästan 60 % av respondenterna rapporterar svårigheter att optimera prestanda för de intensiva arbetsbelastningar som krävs av storskalig AI.

”AI går snabbt från system som bara svarar på frågor till system som vidtar autonoma åtgärder, och denna övergång förändrar datakraven helt”, säger Dominic Sartorio, vice vd för produktmarknadsföring på Denodo. ”När en AI-agent genererar ett affärsresultat finns det inget utrymme för inaktuell eller ostyrd data. För att med säkerhet skala upp agentbaserad AI måste företag gå bortom statiska datasilos och anta en grund av dynamisk, styrd och kontextuellt relevant information.”

Rapporten drar slutsatsen att "förtroendegapet" inte är en brist i AI-modeller, utan en återspegling av den underliggande dataarkitekturen. För att organisationer ska kunna gå från experimentell AI till automatiserad skala måste de övervinna klyftan mellan deras olika datamängder och realtidskraven hos agentsystem.