企业对AI数据的关注从‘AI-准备’转向‘代理-准备’
2026年10月14日 · 阅读 1 分钟
近期，企业在人工智能领域的关注点正在从模型转向数据。随着越来越多的公司认识到即使引入性能优越的大型语言模型（LLM），若企业内部数据质量低下或缺乏清晰的意义和上下文，实际应用也会受到限制。因此，‘AI-准备数据’成为企业面临的主要挑战。随着人工智能逐渐能够执行实际工作，对数据的要求也发生了变化。
根据市场研究公司加特纳在最近发布的报告中，强调了‘AI-准备数据需要扩展为代理-准备数据’。报告指出，企业的数据及其管理体系必须支持代理智能的需求，并对代理如何使用数据进行评估，以避免因不准确的响应或数据误用而导致不可预测的后果。
加特纳还指出，企业在准备数据质量时，不能仅停留在数据的整理上，管理体系还需支持和验证代理的数据使用方式。这意味着企业必须重新审视如何定义数据是否能被人工智能理解，进而判断其在当前业务状态下的决策能力。
在这一背景下，代理-准备数据能够确保数据的意义、关系和应用条件等能够被有效连接，以帮助代理进行判断和行动。以金融行业的企业贷款审核为例，审核不仅依赖于客户信息和交易记录，还需要结合多种文件进行综合评估。因此，数据的整合和验证变得至关重要。
最后，企业需要在变更工作规则时，确保能够验证相同业务状态的变化，并追踪判断所依据的规则与证据。代理-准备数据不仅仅是一次性的整理工作，而是一个持续更新和适应变化的过程。