调研：94% 的企业没有 AI 就绪的知识库，智能体落地卡在数据打标
摘要（编译）
Talkdesk 于本周发布的 CX 调研显示，四分之一的客户交互正受到重复解释、人工升级、上下文缺失和处理延迟的影响，主因是知识管理系统彼此割裂、数据不完整。调研还发现，座席每天近 30% 的时间花在多个互不相通的系统之间来回切换或重复录入数据，而不是直接服务客户；多数企业尚未把人和 AI 都需要的信息整合到统一知识库。
更关键的一组数字：94% 的企业缺少 AI 辅助的知识管理，只有 15% 的受访组织完成了把各部门的知识、文档、规则、PDF 汇总进企业知识层的工作。Talkdesk AI 副总裁 Pedro Andrade 表示，把企业带到全局 RAG 系统的难度远超预期——"这不是技术挑战，是把数据放进去的挑战，数据需要打标签、知识图谱需要喂元数据"。他补充说，正因如此，81% 的组织落地的智能体用例不足 10 个。
编辑点评
这份数据戳破了一个流行误解：以为智能体做不起来，是因为模型不够强或编排框架不够好。实际卡点在更无聊的地方——你的知识库根本没为检索做好准备。
国内团队做客服智能体时，最常见的路径是先选大模型、再接知识库、然后发现答非所问，回头怪模型。但从这份调研看，问题大概率出在知识文档既没打标签、也没有结构化元数据，检索阶段就已经错了，后面生成再强也救不回来。
有三个判断值得国内团队参考：
- 先算座席"切换成本"这笔账。近 30% 的时间耗在系统间搬运数据，这个数字在国内多系统并存的客服中心里只会更高。它既是智能体的价值空间，也是说服业务方投入 ROI 最直接的依据。
- 知识治理要提前到选型之前。与其花几个月比模型，不如先把 FAQ、工单历史、产品文档的元数据规范定下来。这件事无法外包给模型厂商——只有业务方知道哪些字段决定"正确答案在哪"。
- 用例数量少不等于失败。81% 的组织不足 10 个用例，说明这是行业普遍阶段，不是个别团队能力问题。反过来看，能在少数高频场景做深做透的团队，已经跑在前面了。
需要提醒的是，本调研由 Talkdesk 这家 CCaaS 厂商发起，样本构成与结论倾向需要读者自行判断；但"数据打标是瓶颈"这一点，与我们在国内项目里的观察是一致的。
本文由本平台编辑部编译自 No Jitter《Fragmented data slows agentic AI orchestration》（作者 Matt Vartabedian，2026-08-25），原文链接：https://www.nojitter.com/ai-automation/fragmented-data-slows-agentic-ai-orchestration 。版权归原作者及原出版方所有，本文仅作行业信息分享。