Bara ett av tio företag lyckas skala upp AI-agenter – infrastrukturen bromsar
Endast ett av tio företag lyckas skala upp AI-agenter.
Hype möter verklighet med dunkande kraft
Jag har sett det förr. Nya tekniker lanseras med stora löften om transformation, företag rusar in med pilotprojekt, men när det kommer till kritan faller majoriteten på mållinjen. Nu händer samma sak med AI-agenter – och det är fascinerande att se mönstret upprepa sig.
Enligt MIT Technology Review visar McKinseys årliga AI-rapport att trots omfattande experiment lyckas bara ett av tio företag skala upp sina AI-agenter. Detta när 88 procent redan använder AI i minst en affärsfunktion och två tredjedelar experimenterar med agentteknologi.
Men här kommer det intressanta: problemet är inte AI-modellerna. Det är infrastrukturen.
Datasammanhang avgör – inte datamängd
Irfan Khan från SAP Data & Analytics träffar huvudet på spiken: "Värdefull data för AI-agenter definieras mindre av format och mer av affärssammanhang." Det gamla synsättet att strukturerad data automatiskt är värd mer än ostrukturerad data fungerar helt enkelt inte längre.
Over två tredjedelar av företag pekar ut datasilos som det största hindret, medan mer än hälften jonglerar med över 1000 olika datakällor. Resultatet? En "förtroendeskuld" där två tredjedelar av företagsledare inte fullt ut litar på sina egna data.
Kostnadsexplosionen som ingen pratade om
AI News lyfter fram en brutal ekonomisk verklighet som få företag förbereder sig för. När organisationer går från enkla chattgränssnitt till komplexa fler-agentsystem exploderar kostnaderna på två sätt:
Först kommer "tänkandeskatt" – autonoma agenter måste resonera i varje steg, vilket gör stora arkitekturer både dyra och långsamma. Sedan slår "kontextexplosion" till, där avancerade arbetsflöden producerar upp till 1500 procent fler symboler än standardformat.
NVIDIA försöker lösa detta med sin nya Nemotron 3 Super, men det faktum att tech-jättarna redan bygger speciallösningar för kostnadsproblemet visar hur verklig utmaningen är.
Praktiska framsteg trots utmaningarna
Men det händer också spännande saker. The Verge rapporterar att Perplexity lanserat Personal Computer, som förvandlar din reserv-Mac till en säker AI-agent. Genom att köra lokalt kan de erbjuda större integritetskontroll – något som kan tilltala företag oroliga för att dela känslig information.
Och Retail Dive lyfter en viktig poäng från handelsbranschen: det största misstaget är inte att komma efter konkurrenterna, utan att lansera lösningar innan organisationen är redo.
Timing och förberedelse avgör
Här ser jag mönstret tydligt. Företagen som lyckas är inte de som rör sig snabbast – det är de som bygger rätt grund först. Data med affärssammanhang, robust infrastruktur, och organisationer som förstår både möjligheter och begränsningar.
De nio av tio som misslyckas gör samma misstag: de fokuserar på tekniken istället för grundförutsättningarna. De ser AI-agenter som en teknikfråga när det egentligen är en affärsomvandlingsfråga.
Vår analys
Denna utveckling signalerar något fundamentalt: AI-agentmarknaden mognar snabbt från hype-fas till realitetsfas. De företag som överlever denna övergång kommer att ha enorma konkurrensfördelar.
Jag förutspår att vi inom 18 månader kommer se en tydlig uppdelning mellan "AI-vinnare" och "AI-eftersläntrare" – inte baserat på vem som började först, utan på vem som byggde bäst grund. Företag som investerar i datasammanhang och organisatorisk förändring nu kommer att dominera nästa våg.
Den här statistiken – nio av tio misslyckas – kommer förmodligen att förbättras, men bara för företag som lär sig av de tidiga misstagen. För entreprenörer och investerare öppnar detta enorma möjligheter inom infrastrukturtjänster och organisatorisk AI-förändring.