一半以上的 Agent 洞察，没帮上业务

MIT Technology Review Insights 的报告给 agentic analytics 浇了盆冷水：受访企业里，分析 Agent 生成的洞察平均只有 48% 转化成改善业务的动作。一年前这个数字是 37%，进步明显，但仍有超过一半的洞察没有落到业务结果上。

背景并不复杂。生成式 AI 已经把分析能力推向组织内更多用户，agentic AI 想再往前一步，自动跑完整个工作流，并根据 Agent 的洞察采取行动。问题出在洞察质量。报告调查的企业中，多数人认可 Agent 的描述性洞察，对规范性洞察的评价明显分化。规范性洞察直接支撑行动，质量差会带来错误动作，甚至造成声誉或财务损失。

报告里有一组更扎眼的数据。少数被称为洞察领导者的组织，Agent 洞察超过 70% 能推动业务改善，它们对洞察质量的评分也更高，规范性洞察上的差距尤其明显。换句话说，同样叫 Agent，产出质量可以差出很大一截。

卡点在哪里。55% 的受访高管把缺少业务上下文列为主要原因，45% 提到数据分散或难以访问。报告还把洞察过载摆上台面：52% 的组织承认 Agent 生成的洞察多到无法充分评估，只有 24% 能评估全部洞察，多数组织按个案处理，流程仍然高度依赖人力。

改进方向也清楚。60% 的受访企业在加强 AI 和数据治理，45% 在数据架构里加入语义层。接受访谈的专家认为，语义层对高性能 Agent 很关键。我的判断是，agentic analytics 的瓶颈已经落到业务上下文、语义层和评估能力上。对开发团队来说，语义层和治理看起来不性感，却直接决定 Agent 的输出能不能被业务接住。对普通用户来说，看到 Agent 给出建议时，先看它用了哪些业务定义和数据源，比看它说得多顺更重要。

这份内容由 MIT Technology Review 的定制内容部门 Insights 制作，不属于该刊编辑部报道。研究写作由人完成，AI 工具限于人工监督下的生产流程。报告可在这里下载。