你公司的AI助手可能在自信地胡说：57%企业已遇到

一份101家企业的调查显示，57%在过去6个月内遇到过AI助手给出自信但错误的答案，其中31%不止一次。只有28%的企业表示从未发生。

问题在于AI获取的上下文不可靠。企业现在主要通过上下文注入让AI了解业务——把数据喂给模型，而不是微调。最常见的做法是检索增强生成（RAG），38%的企业依赖它。如果提供的数据不完整或不一致，AI给出的答案可能听起来正确，但毫无意义。

目前最常用的检索系统来自大平台。40%的企业使用OpenAI的文件搜索，38%使用Google Vertex AI Search。专用向量数据库的使用率低得多：Weaviate 12%、Qdrant 10%、Pinecone 9%、Milvus 6%。企业在选型时，最看重数据摄入的便捷性（36%）、延迟和性能（32%）、操作简单性（29%），而检索准确性和访问控制分别只占23%。

企业对现状并不满意。57%计划在12个月内更换或增加检索提供商，其中26%打算在0-3个月内就动手。在有意更换的企业中，Qdrant（14%）和Milvus（13%）获得的兴趣高于它们当前的使用率（10%和6%）。尽管多数企业现在用大厂工具，但36%表示会维持“最佳组合”的独立工具，而不是投向单一供应商。

行业正在寻找更可靠的方案。34%的企业预期，到2026年底，混合检索——结合嵌入、重排序和访问控制——将成为生产系统的主流。58%的企业正在构建“受治理的语义层”，但只有25%已投入生产，34%还在试点。部署后，企业最关注的指标是响应正确性（42%）和安全与访问控制（38%）。

这项调查样本为101家员工超过100人的企业，偏向中端市场，仅为方向性参考。目前尚不清楚，企业最终会整合到大厂生态还是坚持独立工具，受治理的语义层何时能大规模投产，以及大型企业的行为是否不同。