Studie avslöjar datakvalitetsutmaningar kring AI-förtroende

En överväldigande majoritet av företag globalt rapporterar att bristande och fragmenterad data hindrar implementeringen av agentbaserad AI fullt ut. Detta framgår av en ny undersökning utförd av Denodo, som belyser en betydande utmaning i förtroendet för AI.

I takt med att AI utvecklas från passiva system till autonoma agenter, ökar kraven på datakvalitet. Undersökningen indikerar att tekniska hinder fortsätter att utgöra en stor utmaning:

Jakten på korrekt kontext: 63 % av organisationerna angav att det är en betydande utmaning att lokalisera relevant data inom rätt affärsscenario.

Behovet av realtidsinformation: 66 % anser att data måste vara tillgängliga i realtid för att AI ska vara pålitlig.

Säkerhet: 67 % rapporterar svårigheter med att skapa sammanhängande säkerhets- och åtkomstkontroller över olika system, vilket är avgörande för säker agentbaserad AI.

Skalbarhet och komplexitet: Företag använder i genomsnitt över 400 datakällor för sina AI-initiativ, och 20 % hanterar mer än 1 000 källor.

Prestandautmaningar: Nära 60 % har svårt att optimera prestandan för de tunga arbetsbelastningar som krävs av storskalig AI.

Studien framhäver också regionala skillnader i hur organisationer definierar och hanterar förtroende för AI. Till exempel uppger 43 % av respondenterna i Frankrike att säkerhet och integritet utgör stora hinder jämfört med 20 % globalt.

I Japan kopplas förtroendet för AI till stabilitet och validering, medan det i EU oftare relateras till säkerhet, styrning och regelefterlevnad.

Det finns också tydliga skillnader mellan olika branscher. Offentlig sektor ligger efter i modern datakvalitetshantering, med enbart 52 % som använder en lakehouse-arkitektur, jämfört med 66 % i andra sektorer.

”AI går snabbt från att vara ett system som besvarar frågor till ett system som agerar självständigt, och det förändrar helt kraven på data. När en AI-agent driver en affärsprocess finns det inget utrymme för gammal eller ostrukturerad data. För att skala agentbaserad AI med förtroende behöver företag lämna statiska datasilos bakom sig och istället bygga en grund av realtidsbaserad, styrd och kontextuell data,” säger en expert.

Rapporten, baserad på svar från 850 ledande befattningshavare, avslöjar att förtroendegapet inte uppstår från brister i AI-modellerna, utan snarare i den underliggande dataarkitekturen. För att övergå från pilotprojekt till storskalig automatisering måste organisationer överbrygga klyftan mellan fragmenterade datamiljöer och kraven på realtidsdata i agentbaserade system.