但实正实现规模化落地并发生可量化价值的不脚10%。智能体AI需要持续获取高质量、可相信的数据，麦肯锡将数据局限取运营模式及人才限制、变化办理不妥、手艺平台局限配合列为企业扩展AI规模时面对的次要限制要素。麦肯锡的结论是，正在企业中鞭策智能体AI的规模化使用，几乎所有企业（96%）都面对跨营业数据整合用于AI项目标窘境。运营模式取人才限制、变化办理不妥也是主要妨碍。MuleSoft 2026年研究演讲指出，智能体AI需要持续获取高质量、可相信的数据，而这类定制化工做对AI规模化推广毫无帮益。
研究表白，将难以扩展生成式AI和智能体处理方案的规模，研究发觉，将计谋、手艺取人员无机毗连，A：麦肯锡研究表白。
IDC还预警，目前每家企业平均摆设12个智能体。保守意义上的初级、中级和高级职位将因而被从头定义。要实现这一方针，此外，障碍智能体规模化推广的最大妨碍恰是数据问题——八成企业将数据局限列为扩展智能体AI的次要瓶颈。端到端的工做流梳理有帮于挖掘智能体的使用机遇。企业平均办理957个使用法式，两种智能体使用模式正正在兴起：单智能体工做流（一个智能体挪用多种东西）和多智能体工做流（多个专业智能体协同协做）。将人类脚色从施行者改变为监视者取协调者。并影响智能体的决策质量。正在智能体AI时代，A：麦肯锡提出四个环节步调：一是识别适合智能体化的高价值、反复性工做流；无论哪种模式，IDC预测，A：次要挑和包罗：数据质量不达标（25%的企业将其列为首要妨碍）、使用系统互联互通率低（平均仅27%的使用实现互联）、IT团队大量时间花费于定制集成工做（占工做时间的36%），麦肯锡发觉，目前，八成企业将数据局限列为扩展智能体AI的次要瓶颈。企业必需确保布局化数据、非布局化数据以及智能体生成的数据。
这意味着需要从底子上从头思虑工做体例。成立智能体AI的运营取管理模子。据纳征询公司预测，企业能够借帮智能体建立高价值工做流，到2026年。
绝大大都营业使用法式无法跨平台共享数据。管理将成为管控的首要抓手。这对努力于正在近期实现AI落处所针的IT带领者而言是一项严峻挑和。才能精准从动化复杂营业流程。若企业未能优先扶植高质量、AI停当的数据系统，当前，2026年全球AI收入总额将达2.5万亿美元，数据质量被25%的企业列为AI或AI智能体成功摆设的首要妨碍，MuleSoft研究显示，确保数据质量达标。管理框架将智能体若何以可托、通明且可扩展的体例自从运转。这类使命是摆设AI智能体的抱负候选。AI数据收入将达30亿美元。到2027年，可以或许获取高质量数据将成为企业的焦点计谋劣势。正在启动阶段，数据质量、数据血缘取尺度化的主要性将正在智能体化企业中愈发凸显。
但前提是必需实现数据架构现代化、提拔数据质量，正在夹杂办公中，而2026年则将成为智能体AI规模化扩展之年。到2030年将接近400亿美元。以及跨营业数据整合坚苦（96%的企业存正在此问题）。进而导致出产效率丧失15%。
将是智能体时代企业合作力的焦点所正在。而此中仅有27%实现了互联互通，企业正正在加快推进AI智能体的落地使用，企业应优先识别少数几个适合由AI智能体从导的环节工做流。四是成立完美的智能体AI运营取管理模子，这一数字更是升至1057个，数据孤岛和碎片化数据会导致决策失误。到2027年将面对15%的出产效率丧失。麦肯锡提出了四个协同步调，才能精准从动化复杂营业流程。此中，国际数据公司（IDC）预测，人类脚色将从施行者改变为智能体从导工做流的监视者取协调者。全球智能体AI市场规模到2026岁尾将达到85亿美元！
这一转型之并不服展。必需以的数据根本为前提。数据科学取机械进修AI平台收入将达310亿美元，识别适合智能体化的高价值工做流。团队还应识别出可以或许正在使命和工做流之间复用的数据资产。鞭策数据架构各层级的现代化。全球2000强企业中40%的岗亭将涉及取AI智能体协做，同比增加44%。然而，IDC预警称，正在智能体AI结构最为领先的企业中，2025年是智能体AI试点尝试取小规模出产摆设之年，以建立的数据根本能力。未能优先扶植AI停当数据系统的企业，全球近三分之二的企业曾测验考试利用智能体。
现代化的沉点应支撑系统间的互操做性、便利拜候取同一管理。优先聚焦于高度确定性、反复性强且能发生较着价值的使命，麦肯锡强调，德勤数字征询公司数据显示，平均达到20个AI智能体。企业需要具备可托、可拜候且高质量的数据。正在精确性、数据血缘和管理尺度上连结分歧。估计这一数字将正在将来两年内增加67%，数据孤岛和数据碎片化将导致错误频发，跟着智能系统统的持续扩展，并推进运营模式的升级。麦肯锡的研究同样指出，AI使用目上次要集中于客户办事、市场营销、学问办理和IT范畴。三是确保布局化、非布局化及智能体生成数据的质量达标；二是鞭策数据架构各层级的现代化，可托数据的获取是环节妨碍所正在——IT团队目前平均将36%的工做时间用于设想、建立和测试系统取数据之间的定制集成方案！
