Global undersøgelse: Dårlig datakvalitet forårsager lav tillid til AI

66% siger, at realtidsdata er et must for succes med agentbaseret AI

Et klart flertal af virksomheder verden over siger, at fragmenterede og forældede data hindrer fuld implementering af agentbaseret AI, ifølge en nylig undersøgelse fra et datahåndteringsfirma. Denodo. Undersøgelsen Rapporten om AI-tillidsgabet viser, at en kritisk tillidsudfordring hæmmer AI-udviklingen i dag.

I takt med at AI udvikler sig fra passive chatbots til autonome agenter, der kan træffe deres egne beslutninger og udføre operationelle processer, er kravene til datakvalitet steget betydeligt. Samtidig viser undersøgelsen, at tekniske barrierer er en stor udfordring:

• Søgen efter den rette kontekst: 63 % af organisationerne angiver, at det er en stor udfordring at finde relevante data i den rette forretningskontekst.
• Behovet for realtidsdata: 66 % mener, at data skal være tilgængelige i realtid for at AI kan være tilstrækkelig pålidelig.
• Sikkerhed: 67 % angiver, at de har svært ved at skabe ensartede sikkerheds- og adgangskontroller på tværs af forskellige systemer, hvilket er afgørende for sikker agentbaseret AI.
• Skalerbarhed og kompleksitet: I gennemsnit bruger virksomheder i dag over 400 datakilder i AI-initiativer, og 20 %'er administrerer mere end 1.000.
• Ydelsesudfordringer: Næsten 60 %'er angiver, at det er vanskeligt at optimere ydeevnen til de tunge arbejdsbyrder, som storstilet AI kræver.

Undersøgelsen viser også klare regionale forskelle i, hvordan organisationer definerer og håndterer tillid til AI. I Europa er styring og compliance særligt betydelige udfordringer. I Frankrig rapporterer 43 %'er, at sikkerhed og privatliv er en betydelig barriere, sammenlignet med 20 %'er globalt. I Japan er tillid til AI stærkt forbundet med stabilitet og validering, mens det i EU er tættere forbundet med sikkerhed, styring og compliance.

Der er også tydelige forskelle mellem brancher. Den offentlige sektor halter bagefter inden for moderne datahåndtering, især i den vestlige verden, hvor kun 52 % bruger en lakehouse-arkitektur, sammenlignet med 66 % i andre brancher.

AI bevæger sig hurtigt fra et system, der besvarer spørgsmål, til et system, der agerer autonomt, og som fuldstændigt ændrer kravene til data. Når en AI-agent driver en forretningsproces, er der ikke plads til gamle eller ustrukturerede data. For at skalere agentbaseret AI med tillid skal virksomheder efterlade statiske datasiloer og i stedet bygge et fundament af realtids-, styrede og kontekstuelle data, siger [navn på algoritme/teknologi]. Dominic Sartorio, vicedirektør for produktmarketing hos Denodo.

Rapporten, der er baseret på svar fra 850 ledere, viser, at tillidskløften ikke handler om fejl i AI-modeller, men om den underliggende dataarkitektur. For at gå fra pilotprojekter til storstilet automatisering er organisationer nødt til at bygge bro mellem fragmenterede datamiljøer og de realtidsdatakrav, der stilles af agentbaserede systemer.

Om Denodo

Denodo er en global leder inden for datahåndtering, der muliggør pålidelige AI-agenter og -applikationer. Denodo Platform, en prisvindende logisk datahåndteringsløsning, transformerer virksomhedsdata til pålidelig indsigt til AI, analyser og selvbetjening. Organisationer verden over bruger Denodo til at levere AI-klare og forretningsklare data betydeligt hurtigere end traditionelle data lakehouse-løsninger, med op til 4 gange hurtigere time-to-inview, 345 % ROI og 10 gange bedre ydeevne.