Klassieke data-architecturen zijn onvoldoende voor de inzet van AI-agenten op enterprise-niveau, dat blijkt uit een onderzoek van Google Cloud en MIT Technology Review Insights. Bedrijven willen snel opschalen, maar botsen op verouderde systemen, beperkte datatoegang en latency-problemen.
De overstap van kleinschalige AI-agent-pilots naar grootschalige toepassingen in bedrijven loopt niet van een leien dakje. Klassieke data stacks zijn vooral ontworpen voor terugblikkende analyses, maar AI-agenten vragen om realtime toegang tot actuele data en bedrijfscontext. Het rapport bevroeg driehonderd internationale data- en technologieleiders over hun ervaringen en verwachtingen rond AI-agenten.
AI-agenten op grote schaal
Volgens het onderzoek gebruikt nu slechts tien procent van de organisaties AI-agenten op grote schaal. Toch verwacht bijna 70 procent binnen twee jaar zover te zijn. Bedrijven erkennen dat ze zich moeten aanpassen aan een nieuwe manier van werken, waarbij systemen niet alleen intelligentie bieden, maar ook daadwerkelijk tot actie kunnen overgaan. Recent onderzoek van Cloudera toonde een gelijkaardige trend. Daaruit bleek dat 95 procent van de organisaties AI-projecten uitstelt door infrastructuurbeperkingen.
Vertrouwen hangt af van data
Slechts de helft van de respondenten (51%) vertrouwt erop dat hun huidige data-architectuur AI-agenten in staat stelt om nauwkeurige en relevante beslissingen te nemen. Meer dan de helft (55%) geeft aan dat verouderde datasystemen een obstakel vormen voor grootschalige uitrol. Voor 52 procent is vooral latency het grootste knelpunt voor snelle besluitvorming.
Het rapport toont aan dat AI gemiddeld toegang heeft tot slechts 45 procent van alle enterprise-data. Organisaties die hun AI-toepassingen toegang geven tot meer dan 70 procent van de data, zien een duidelijk verschil: 36 procent ervaart dat de beslissingen van hun agenten consistent nauwkeurig zijn, terwijl 64 procent spreekt van grotendeels nauwkeurige resultaten. Voldoende en actuele data zijn dus cruciaal voor betrouwbaarheid.
Legacy-systemen
Bedrijven stappen steeds vaker af van systemen die louter analyseren, en zetten in op zogenaamde ‘systems of action’ die realtime kunnen redeneren en handelen. Toch blijken bestaande systemen vaak niet voorbereid op deze omslag. Het onderzoek maakt duidelijk dat modernisering van de data-architectuur noodzakelijk is om het volledige potentieel van AI-agenten te benutten.