شکاف زمینه هوش مصنوعی: سازمان‌های هوش مصنوعی شرکتی مشکل اعتماد دارند، نه مشکل بازیابی - و بیشتر آن‌ها هنوز در حال ساخت راه حل هستند.
در میان 101 شرکت، زیرساختی که به عامل‌های هوش مصنوعی، اطلاعات کسب‌وکاری ارائه می‌دهد، با سرعتی بیشتر از میزان اطمینان‌بخشی‌اش در حال ساخت است. تولید با کمک بازیابی (Retrieval-Augmented Generation) در حال حاضر منبع پیش‌فرض اطلاعات است و بازیابی بومی ارائه‌دهنده، به آرامی از پایگاه‌های داده برداری اختصاصی که این دسته را تعریف می‌کنند، پیشی گرفته است. با این حال، اکثریت شرکت‌ها شاهد بوده‌اند که عامل‌هایشان پاسخ‌های اشتباه و با اعتماد به نفس ارائه می‌دهند که ریشه در اطلاعات ناقص یا متناقض دارد. یک لایه معنایی مدیریت‌شده به عنوان راه حل در حال ظهور است، اما بیشتر شرکت‌ها هنوز در حال ساخت آن هستند. این حوزه به سمت بازیابی ترکیبی در حال همگرایی است و حتی با وجود اینکه ابزارهای بومی ارائه‌دهنده در عمل پیشرو هستند، اکثر شرکت‌ها قصد دارند بهترین ابزارهای موجود را حفظ کنند. نتیجه این وضعیت، شکاف اطلاعاتی است - عامل‌هایی که معتبر به نظر می‌رسند اما بر پایه‌ای بنا شده‌اند که صاحبانشان هنوز به طور کامل به آن اعتماد ندارند. این موج از تحقیقات VentureBeat Pulse به بررسی RAG سازمانی و لایه اطلاعاتی می‌پردازد: چه چیزی به عامل‌های هوش مصنوعی اطلاعات کسب‌وکاری می‌دهد، شرکت‌ها از چه سیستم‌های بازیابی استفاده می‌کنند، چگونه آن‌ها را خریداری و اندازه‌گیری می‌کنند، معماری به کجا می‌رود و - مهم‌تر از همه - این اطلاعات چقدر اغلب آن‌ها را با شکست مواجه می‌کند.
یافته اصلی، شکاف اطلاعاتی است - فاصله بین میزان اعتماد به نفس پاسخ‌های عامل‌های سازمانی و میزان قابل اعتماد بودن اطلاعات زیربنایی آن‌ها. اکثریت شرکت‌ها (57٪) گزارش می‌دهند که در شش ماه گذشته، عامل‌های هوش مصنوعی آن‌ها پاسخ‌های اشتباه و با اعتماد به نفس ارائه داده‌اند که ریشه در اطلاعات ناقص یا متناقض کسب‌وکاری داشته است و بیش از نیمی از آن‌ها گفته‌اند که این اتفاق...