新研究：為什麼企業代理 AI 在擴展之前會停滯 | TDC 股票新聞

對 1,000 名全球高級技術和數據領導者的研究揭示了企業在從個人 AI 轉向組織 AI 時所面臨的障礙

, /PRNewswire/ -- Teradata (NYSE: TDC) 今天發佈了一項委託的 Wakefield Research 研究結果，該研究涵蓋了來自六個全球市場的 1,000 名高級技術和數據領導者。報告_《被阻礙的自動化：為什麼代理 AI 在企業層面停滯不前》_發現，儘管部署代理 AI 的熱情幾乎是普遍的，但基礎數據系統並不是為代理而構建的，需要重新思考，以提供組織所期望的投資回報率。

報告中概述的許多障礙（如下所述）通過認識到需要從個人 AI——如聊天機器人和寫作助手等工具，幫助個人更快工作——轉向組織 AI 來更容易理解，組織 AI 代表整個公司運作，利用共享知識、適當的訪問級別和良好設計的治理。企業所追求的回報只有在 AI 在組織層面運作時才會實現。

報告引入了 代理 AI 成熟度指數，以跟蹤組織在這一旅程中的位置，並通過其所稱的_自主知識_繪製前進的路徑——企業數據具有足夠的上下文、來源和治理，以便 AI 代理能夠在規模上可靠地進行操作。

代理 AI 成熟度指數：企業的實際狀況 這個四階段框架映射了組織所處的位置：實驗、開發、構建和運營化，AI 在此階段執行多步驟工作流程併產生可衡量的商業影響。目前，只有 7% 的全球企業達到了最終階段，在這一階段會產生切實的結果。大多數（68%）仍處於實驗或開發階段，在這些階段中，上下文碎片化——數據存在但對代理沒有可用的意義——是一個主要限制因素。

值得注意的是，69% 的 C 級高管表示他們的組織已經在使用代理 AI，而只有 57% 的副總裁表示同樣。

報告範圍：行業和國家比較 報告對醫療保健、金融服務、IT、製造業和零售等行業的發現進行了細分，並涵蓋了六個市場：美國、英國、法國、德國、日本和沙特阿拉伯。代理 AI 挑戰是一個全球現象，但並不均勻。研究指出了幾個障礙。

投資回報差距 九成（90%）的高級技術領導者預計在未來 12 個月內增加對代理 AI 的投資；然而，近三分之二（63%）報告稱，他們迄今為止看到的投資回報僅為小幅或初步的正回報。投資與回報之間的差距並不是缺乏雄心，而是數據基礎是為人類用户而構建的，而不是為自主 AI 代理。

"個人生產力的提升——更快的代碼、更好的草稿、更快的研究——確實是實際收益，但它們並未以能夠證明重大基礎設施投資的方式出現在損益表上。高管們所期望的投資回報需要代理在組織層面運作：自動化決策、執行工作流程、推動可衡量的商業成果。大多數組織正在將企業 AI 的投資回報與個人 AI 基礎設施進行比較——並在想為什麼數字不匹配。"

• Louis Landry，Teradata 首席技術官

上下文碎片化 代理 AI 停滯的核心是上下文碎片化：缺乏 AI 代理在整個組織中可靠行動所需的意義、來源和治理的企業數據。根據報告，77% 的高管報告稱，20% 或更少的企業數據得到了充分描述和上下文化，以供代理使用。而 78% 的人發現很難在業務職能之間統一數據和知識，以便代理能夠在整個企業中進行推理。

領導者所提到的兩個主要障礙——數據缺乏必要的元數據、上下文和關係（43%）以及數據在無法實時連接的系統中碎片化（42%）——指向同一個根本問題。挑戰不在於組織擁有多少數據，而在於這些數據是否具有足夠的意義，以便在代理使用時值得信賴。當數據無法被信任時，試點項目無法進入生產階段。40% 的技術領導者報告稱，超過 40% 的 AI 試點項目未能進入生產，因為基礎設施系統從未為自主使用而構建。只有 15% 的組織成功將 80% 或更多的 AI 試點項目投入生產。

"上下文化整個數據資產的目標可能是錯誤的目標，而追逐它是組織停滯的部分原因。相反，識別出數據中最高價值的部分，無論是結構化還是非結構化，並專注於使該部分得到充分描述、治理和準備好供代理使用。如果大多數數據不可用，解決方案不是一次性修復所有數據，而是要在開始時嚴格選擇。"

- Josh Fecteau，Teradata 首席數據與 AI 官及首席信息官

行動橋樑 即使組織在上下文碎片化方面取得進展，實施自主行動仍然困難。60% 的領導者報告在持久基礎設施決策上存在決策癱瘓。這種猶豫可能不是關於技術選擇（儘管 30% 的人擔心供應商鎖定），而是對所部署內容缺乏信任。在組織信任其代理所操作的數據之前，他們不會讓這些代理自主行動。51% 的領導者認為輸出的準確性和可靠性是一個重要的部署障礙。

還有一個位置問題。當前，人工智能的輸出存在於實際工作發生的系統之外。當智能嵌入到某個工具或應用中，用户已經在其中工作時，行動就會隨之而來。而當它存在於一個單獨的儀表板中時，通常不會發生這種情況。這兩個問題源於同一個缺陷：數據缺乏足夠的上下文、來源和意義，無法被信任。

前進的道路：自主知識 報告將自主知識定義為組織從個人人工智能轉向組織人工智能所需的內容。它概述了一個分階段的方法：審計併為數據資產中最高價值的部分提供上下文，將治理直接嵌入數據層，並構建架構可移植性。已經做到這一點的組織正在看到回報，而尚未做到的組織仍在等待其試點項目進入生產階段。

關於研究 被阻止的自動化：為什麼代理人工智能在企業級停滯 是由 Wakefield Research 代表 Teradata 進行的研究。該研究對美國（500）、英國（100）、法國（100）、德國（100）、日本（100）和沙特阿拉伯（100）至少有 500 名員工的公司的 1,000 名高級技術和數據領導者進行了調查。實地工作在 2026 年 3 月 23 日至 4 月 5 日之間進行。

要下載完整報告，請訪問：https://www.teradata.com/insights/white-papers/why-agentic-ai-stalls-enterprise

關於 Teradata Teradata 使企業能夠將智能轉化為自主行動，將人工智能代理置於深厚的業務背景和可信的數據之中。隨着人工智能代理的增加，Teradata 是公司現在所需的上下文基礎、治理層和性能支撐。Teradata 自主知識平台在雲、內部部署和混合環境中將人工智能投入生產。

Teradata 徽標是商標，Teradata 是 Teradata Corporation 及其在美國和全球的附屬公司註冊的商標。

媒體聯繫人 January Machold

january.machold@teradata.com

來源 Teradata