調査対象企業のデータ分析エージェントが生成する分析のうち、事業活動を改善する行動につながるものは約半数に上る。MIT Technology Reviewの編集部門とは別のカスタムコンテンツ部門「Insights」が発表した調査によると、この割合は平均48％に達し、1年前の37％から上昇した。しかし、調査によれば、結果の半数以上は依然として企業にとって有用な効果をもたらしていない。
著者らは「インサイトリーダー」と呼ぶ少数の組織群を区別している。このグループでは、エージェントによる分析の70％以上が事業に有益な行動につながり、これらの組織は分析の品質を全回答者平均よりも高いと評価している。特に、実行すべき行動を推奨する「処方型分析」において、その差は顕著である。
コンテキストの不足と分散したデータ
分析の品質が不十分と判断される場合、回答した経営陣が挙げる主な原因は、ビジネスコンテキストの欠如であり、55％がこれを指摘している。断片的またはアクセス不能なデータが45％でそれに続く。インサイトリーダーは、自社のエージェントが必要なコンテキストにアクセスするのに苦労していると答える割合が低い。
量も問題となる。回答組織の52％において、エージェントは適切に評価（したがって効果的に活用）するには多すぎる数の分析を生成している。全体の分析を評価できている組織は4分の1未満（24％）である。大半はケースバイケースで対応しており、このプロセスは現在、人的チームに大きな負担をかけていると報告書は述べている。
ガバナンスとセマンティックレイヤー
分析の品質を向上させるため、回答企業は、AIとデータのガバナンス強化を優先しており、60％がこれを挙げている。また、45％がデータアーキテクチャにセマンティックレイヤーを追加している。これは、データに企業内で共通かつ共有される意味を与える層を指す。
調査の著者らがインタビューした専門家は、このセマンティックレイヤーの役割について一致しており、エージェントが高い性能を発揮するために極めて重要であると評価している。
