拥有人工智能上下文层的企业报告代理故障的比率是没有人工智能上下文层的企业的两倍多

一家公司专门构建了一个受监管的上下文层，以阻止其人工智能代理自信地给出错误的答案。一旦该层上线，公司报告故障发生的可能性就会增加两倍以上--而不是更少。 在过去的六个月里，68%的企业追踪到了自信但错误的人工智能代理答案，以解决缺失或不一致的业务上下文。37%的人表示这种情况发生过不止一次，领先于只发生过一次的32%的人。这些数据来自VB Pulse 2026年7月对101家员工超过100人的合格企业的调查。这一比例高于去年同期的57%， VB脉搏测量 6月进行。反复失败的情况也有所上升，从当时的31%上升到现在的37%。 这是VB Pulse第二次向企业询问这个确切的问题，一次是在六月，一次是在七月。尽管越来越多的企业报告生产存在受监管层，但故障率仍在上升，而不是下降，从6月份的25%上升到现在的32%。 每个人工智能代理都需要某种方式来了解业务的实际含义、指标是否一致定义、文档是否是最新的。这就是操作。挑战在于，企业以截然不同的方式向代理人提供上下文，而这些方式并不同样可靠。 文档检索仍然是最常见的方法，也是31%企业的主要来源。但确实有一部分企业完全跳过了结构化方法。13%的人主要通过长上下文加载来运行代理，将文档直接输入模型的上下文窗口而不是检索它们。5%的人根本没有为代理提供结构化上下文，只为模型的常识。其中，近五分之一的企业正在通过暴力或根本不提供商业环境。 即使是领先的方法仍然可能得出自信的错误答案。检索的工作原理是将问题与含义相似的文本进行匹配。类似的措辞并不能保证相同的含义。Srijith Rajamohan，人工智能研究人员

注：以上内容摘选自原始新闻，点击「访问原文」查看完整内容。