57% компаний столкнулись с уверенными и неправильными ответами AI. Вот почему это продолжает происходить.

Ключевые моменты

• В опросе VB Pulse от июня 2026 года, проведённом среди 101 предприятия, 57% заявили, что неправильный ответ AI-агента с уверенностью восходит к отсутствию или несогласованности бизнес-контекста.
• 31% этих предприятий сказали, что такой отказ произошёл более одного раза.
• Только 25% предприятий в настоящее время используют управляемый слой контекста — общую справочную систему, предназначенную для предотвращения проблемы, в то время как 41% ещё не начали её создавать.
• 57% предприятий планируют переключиться или добавить платформу поиска или контекста в течение следующих двенадцати месяцев.
• Предприятия, столкнувшиеся с повторным отказом с неправильным ответом, планируют заменить или добавить поставщика контекста в 81% случаев, по сравнению с 32% среди компаний, которые никогда не сталкивались с проблемой.

AI-агент ответил мгновенно. Число было неправильным. Никто не заметил, пока аналитик не проследил это до определения метрики, которое изменилось шесть месяцев назад, и документа, который система никогда не нашла.

Модель не дала сбой. Контекст, который ей был предоставлен, вызвал проблему.

Этот разрыв, между тем, что спрашивают у AI-агента, и тем, что он на самом деле знает о вашем бизнесе, сейчас является центральной проблемой затрат в корпоративном AI. На этой неделе VentureBeat опубликовала данные опроса, которые подтверждают цифрами то, что многие команды переживают в тишине.

Опрос, охватывающий 101 компанию с более чем 100 сотрудниками, показал, что 38% предприятий используют поиск документов — метод, при котором AI ищет релевантную информацию в библиотеке файлов компании — как основной способ предоставления агентам бизнес-контекста. Это почти в два раза больше, чем следующий по популярности подход. Проблема: поиск — это также метод, наиболее тесно связанный с отказами с уверенным ошибочным ответом.

Почему AI звучит так уверенно, когда он ошибается?

Потому что AI не может знать, чего он не знает. Когда агент — программное обеспечение, которое выполняет многоэтапные задачи самостоятельно, такие как ответ на финансовый вопрос или резюме записи клиента — извлекает контекст из документов, он работает с тем, что находит. Если документ устарел, неполный или использует термин иначе, чем другой документ, агент не сигнализирует о конфликте. Он отвечает.

Исправление, которое сейчас продвигают исследователи и поставщики, называется управляемым слоем контекста. Думайте о нём как об общем словаре для ваших бизнес-данных, созданном один раз, поддерживаемом в актуальном состоянии и считываемом каждым AI-агентом вместо того, чтобы каждый агент гадал самостоятельно.

Цифры опроса показывают, почему внедрение идёт медленно. Компании, которые уже потерпели убытки, строят это быстро. Компании, которые не пострадали, не видят срочности. Среди предприятий, которые уже строят или используют слой контекста, 78% уже испытали отказ с уверенным неправильным ответом. Среди компаний без планов его создания об этом же сообщили только 20%.

Боль движет действиями. Нет боли, нет спешки.

Все крупные поставщики платформ данных сейчас строят какую-то версию этого слоя. Microsoft Fabric IQ, Snowflake, Oracle, Google, Amazon Web Services, Pinecone, Couchbase и DataHub каждый следуют своему техническому пути. Они не сходятся на едином дизайне, и аналитики не ожидают, что они сойдутся. Предприятия должны быть готовы интегрировать инструменты, а не полагаться на одного победителя, по крайней мере в течение следующих нескольких кварталов.

Для команд, которые делают покупки прямо сейчас, практический сигнал опроса прост. Добавление большего количества документов в систему поиска не исправляет определение, которое противоречит само себе в разных базах данных. Семантический слой контекста, общий словарь бизнеса — вот куда движется бюджет. 58% предприятий либо строят один, либо уже используют один. Только 25% действительно его завершили.

Агенты уже работают. Слой под большинством из них всё ещё строится.