文章指出，企业部署AI代理面临数据混乱和不准确的挑战。强调专业搜索在为AI代理提供准确、上下文丰富的数据方面至关重要，以避免错误累积，确保可靠的业务成果。
译自：How to ground AI agents in accurate, context-rich data
作者：Todd R. Weiss
如今，AI 代理在企业中大行其道。CEO 和 CTO 们希望尽快将它们引入业务，以执行各种任务，从而简化运营，同时提高销售额、收入和生产力。
然而，构建和部署有效且专注的 AI 代理需要的不仅仅是意愿。它需要海量、可靠的关键业务数据，这些数据是企业内部有效开发和使用代理型 AI 的命脉。
使用无组织数据构建和操作 AI 代理，就像在 100 英尺巨浪的暴风雨海洋中驾驶一艘摇摇晃晃的小艇。
然而，事实证明，如果无法准确地对海量相关数据进行分类、优先级排序、组织并立即提供给正在构建的 AI 代理以实现业务价值，那么仅仅提供这些数据仍然不够。
无组织企业数据的挑战
使用无组织数据构建和操作 AI 代理，就像在 100 英尺巨浪的暴风雨海洋中驾驶一艘摇摇晃晃的小艇。
解决这个难题是当今公司最重要的任务之一，因为它们正在努力使其 AI 代理能够可靠地按设计和预期工作。为了成功，这些未分类的数据流必须置于正确的上下文中，以便企业能够正确、快速地使用和处理它们，从而交付预期的业务成果。
Elastic 产品管理总监 Anish Mather 表示，这就是高度专业化的搜索能够帮助解决这些巨大挑战的地方。Elastic 是一家开源 AI 搜索平台供应商。
Mather 说：“AI 搜索不仅仅是你输入内容并获得链接列表的搜索框。它是一项关键的专业赋能技术，让您能够在这大多数企业中存在的庞大数据池中找到相关信息。”
为什么 AI 代理需要在正确的时间获得正确的数据
Mather 说，典型企业内部庞大的数据量和规模，定义了 AI 代理在企业部署时所面临的挑战。
他说：“数据种类繁多。有文档数据、交易数据，还有遍布企业各处的图像和多模态数据。你必须处理所有这些存在于多个地方的不同类型的数据，并且能够从所有这些数据中获取答案。你必须能够将数据源合并在一起，了解它们在哪里连接，以及它们之间如何关联。”
Mather 说，这使得代理面临更大的需求，它们需要在恰当的时机获得持续且多样化的正确数据流。
他说：“所有这些挑战都可以通过不同形式和功能的搜索来解决。代理获得完成工作所需的正确信息和上下文是核心需求。这是代理取得成功的核心，尤其是在企业领域。”
不准确数据如何导致复合性故障
除了数据需求之外，AI 代理在执行任务时可以同时执行多个步骤或流程。但这些并发和连续的能力可能需要多个数据流，从而增加了使用搜索带来的巨大数据压力。
Mather 解释说：“这意味着在每个步骤中，都有机会找到一些相关数据，以有意义的方式使用这些数据，并根据结果采取下一步行动。因此，每个步骤中相关性的重要性变得至关重要。如果第一步的结果不佳，那么代理采取的每一步都会加剧问题。”
当企业试图使用 AI 代理来推动业务流程或在应用程序中采取有意义的行动时，其后果尤其严重。
Mather 说：“这些事情包括您想要关闭支持工单、向客户发送电子邮件，或者您想要生成一份将用于某个下游流程的报告。所有这些都影响巨大。而确保这些事情正确无误，具有高准确性和正确的上下文，是极其重要的。”
他说，数据流的复合问题和 AI 代理巨大的扩展需求是当今构建和使用代理面临的两大挑战。即使是很小的相关性错误也会迅速复合，因此强大的搜索、安全控制和持续评估对于准确性、信任和投资回报率（ROI）至关重要。
为了解决企业面临的此类代理型 AI 数据挑战，Elastic 创建了其 Elastic Agent Builder 框架，这是该公司 Elasticsearch 分布式搜索和分析引擎以及数据检索平台中的新层。
企业可以使用 Elasticsearch 存储所有结构化、非结构化和矢量数据。这使它们能够使用这些数据来构建 AI 代理和其他应用程序，而不会遇到目前所经历的性能和准确性问题。
Mather 说：“Elastic 拥有一套强大的功能，允许您通过多种方式搜索数据，无论是语义搜索、词法搜索还是使用混合搜索功能。它具有根据需要进行调整的灵活性。”
为什么企业被数据淹没
theCUBE Research 应用程序开发和现代化首席分析师 Paul Nashawaty 表示，向 AI 代理提供大量业务数据的问题正在影响各行各业的公司。
他说：“随着 AI 代理开始在企业内部做实际工作，不仅仅是回答问题，而是执行多步骤的、业务关键型任务，上下文问题变得不容忽视。现代 AI 代理只有在基于准确、上下文丰富的信息时才能交付价值，而搜索是实现这一目标的基础。”
根据 Nashawaty 的研究，许多组织渴望扩展代理，“但当这些代理被置于杂乱、嘈杂的数据环境中时，许多组织都碰壁了。企业不缺数据；它们被数据淹没了。当代理在工作流程早期拉取错误的文档、过时的策略或不完整的信号时，这个小小的失误会迅速演变成一个糟糕的决策或一个中断的流程。”
他说，这些过去的缺点和失败的结果是，搜索已成为 AI 代理的基础。
他说：“它是帮助它们从噪音中分离出信号并立足于现实的机制。现在正在改变的是企业如何看待搜索本身。它不再仅仅是查找文档；它关乎上下文工程。这是像 Elastic 这样的供应商正在致力于解决的问题，利用搜索和代理工具帮助组织在 AI 代理从实验走向生产时更可靠地将其落地。”
Nashawaty 说，通过将 Elastic Agent Builder 叠加在 Elasticsearch 之上，该公司的方案直接解决了这些挑战，它使组织能够根据需要为每个代理设计和提供正确的上下文。
他说：“这与 theCUBE Research 确定为企业最大障碍的‘治理和信任’直接吻合。Elastic 强大的搜索、上下文工程和治理的结合，为组织构建更智能、更安全的 AI 代理提供了更清晰的途径。”
要了解 Elastic 如何帮助释放 AI 工作流和 AI 代理的强大功能，请阅读电子书。
