57% की एंटरप्राइज़ को गलत AI उत्तर से नुकसान: यह क्यों बार-बार होता है
एक नई सर्वे IT टीमों की ज्ञात समस्या पर संख्या डालती है: AI एजेंट पूर्ण निश्चitता के साथ गलत उत्तर देते हैं, और मूल कारण मॉडल नहीं है। यह वह लुप्त परत है जो मॉडल को बताती है कि आपका व्यावसायिक डेटा वास्तव में क्या मायने रखता है।
मुख्य बिंदु
- जून 2026 की VB Pulse सर्वे में 101 एंटरप्राइज़ के सर्वेक्षण में, 57% ने कहा कि एक आत्मविश्वास से गलत AI एजेंट उत्तर लुप्त या असंगत व्यावसायिक संदर्भ तक पहुंचा।
- उन एंटरप्राइज़ में से 31% ने कहा कि वही विफलता एक से अधिक बार हुई।
- केवल 25% एंटरप्राइज़ वर्तमान में एक शासित संदर्भ परत चलाते हैं, साझा संदर्भ प्रणाली जो समस्या को रोकने के लिए डिज़ाइन की गई है, जबकि 41% ने एक बनाना शुरू नहीं किया है।
- 57% एंटरप्राइज़ अगले बारह महीनों के भीतर एक पुनर्प्राप्ति या संदर्भ प्लेटफॉर्म स्विच करने या जोड़ने की योजना बनाते हैं।
- एंटरप्राइज़ जो एक दोहराया गलत-उत्तर विफलता से टकराते हैं, वे 81% पर एक संदर्भ प्रदाता को बदलने या जोड़ने की योजना बनाते हैं, जबकि कभी समस्या से न टकराने वाली कंपनियों में 32% हैं।
AI एजेंट ने तुरंत जवाब दिया। संख्या गलत थी। किसी ने ध्यान नहीं दिया जब तक एक विश्लेषक इसे एक मीट्रिक परिभाषा तक नहीं ढूंढ पाया जो छह महीने पहले बदल गई थी और एक दस्तावेज़ जो सिस्टम को कभी नहीं मिला।
मॉडल विफल नहीं हुआ। जो संदर्भ इसे दिया गया था वह विफल हुआ।
वह अंतराल, जो AI एजेंट से पूछा जाता है और वह वास्तव में आपके व्यावसायिक के बारे में क्या जानता है, अब एंटरप्राइज़ AI में केंद्रीय लागत समस्या है। VentureBeat ने इस सप्ताह सर्वे डेटा प्रकाशित किया जो कुछ टीमों द्वारा चुप्पी से अनुभव किए जाने वाली चीज़ों पर कठोर संख्या डालता है।
100 से अधिक कर्मचारियों वाली 101 कंपनियों को कवर करने वाली सर्वे में, 38% एंटरप्राइज़ दस्तावेज़ पुनर्प्राप्ति का उपयोग करते हैं, एक विधि जहां AI एजेंट प्रासंगिक जानकारी खोजने के लिए कंपनी फाइलों की एक लाइब्रेरी खोजता है, अपने व्यावसायिक संदर्भ देने के मुख्य तरीके के रूप में। यह अगले सबसे सामान्य दृष्टिकोण से लगभग दोगुना है। समस्या: पुनर्प्राप्ति भी वह विधि है जो आत्मविश्वास-गलत विफलताओं से सबसे अधिक जुड़ी हुई है।
AI गलत होने पर इतना निश्चित क्यों लगता है?
क्योंकि AI को कोई रास्ता नहीं है कि यह क्या नहीं जानता है। जब एक एजेंट, एक सॉफ्टवेयर जो बहु-चरणीय कार्यों को अपने आप से करता है जैसे कि वित्त प्रश्न का उत्तर देना या ग्राहक रिकॉर्ड को सारांशित करना, दस्तावेज़ों से संदर्भ खींचता है, तो यह जो कुछ पाता है उसके साथ काम करता है। यदि दस्तावेज़ पुरानी है, अधूरी है, या किसी अन्य दस्तावेज़ से अलग तरीके से एक शब्द का उपयोग करती है, तो एजेंट संघर्ष को ध्वजांकित नहीं करता। यह जवाब देता है।
वह सुधार जो शोधकर्ता और विक्रेताओं अब धकेल रहे हैं, एक शासित संदर्भ परत कहलाती है। इसे अपने व्यावसायिक डेटा के लिए एक साझा शब्दकोश के रूप में सोचें, एक बार बनाया गया, वर्तमान रखा गया, और हर AI एजेंट द्वारा पढ़ा गया है, इसके बजाय कि हर एजेंट अपने आप पर अनुमान लगाता है।
सर्वे संख्याएं दिखाती हैं कि ग्रहण क्यों धीमा है। कंपनियां जो पहले से ही जल गई हैं वे तेजी से निर्माण कर रही हैं। कंपनियां जो जली नहीं हैं उन्हें कोई आवेगपूर्ण दिखाई नहीं देता। एंटरप्राइज़ में जो पहले से ही संदर्भ परत बना रहे हैं या चला रहे हैं, 78% को पहले से ही एक आत्मविश्वास-गलत विफलता का अनुभव हुआ था। एक बनाने की कोई योजना नहीं वाली कंपनियों में, केवल 20% ने वही चीज़ की सूचना दी।
दर्द कार्रवाई चलाता है। कोई दर्द नहीं, कोई जल्दबाजी नहीं।
हर प्रमुख डेटा प्लेटफॉर्म विक्रेता अब इस परत का कुछ संस्करण बना रहा है। Microsoft Fabric IQ, Snowflake, Oracle, Google, Amazon Web Services, Pinecone, Couchbase और DataHub प्रत्येक एक अलग तकनीकी मार्ग ले रहे हैं। वे एक एकल डिज़ाइन पर एकत्रित नहीं हो रहे हैं, और विश्लेषकों को उनके एकत्रित होने की उम्मीद नहीं है। एंटरप्राइज़ को कम से कम अगली कई त्रैमासिकों के माध्यम से एक विजेता पर भरोसा करने के बजाय उपकरणों को एकीकृत करने की योजना बनानी चाहिए।
अभी खरीद रहे टीमों के लिए, सर्वे से व्यावहारिक संकेत सरल है। एक पुनर्प्राप्ति प्रणाली में अधिक दस्तावेज़ जोड़ने से एक परिभाषा को ठीक नहीं करता है जो विभिन्न डेटाबेस में खुद के साथ विरोधाभास करता है। शब्दार्थ संदर्भ परत, साझा व्यावसायिक शब्दकोश, वह है जहां बजट बढ़ रहा है। 58% एंटरप्राइज़ या तो एक बना रहे हैं या पहले से ही चला रहे हैं। केवल 25% वास्तव में समाप्त हुए हैं।
एजेंट पहले से ही चल रहे हैं। उनके नीचे की परत अभी भी बन रही है।
