Агентам искусственного интеллекта приходится сталкиваться с существенными неэффективностями, при этом уровень выполнения задач падает ниже 50%, что подчеркивает операционные проблемы в системах, ориентированных на агентов. Эти неэффективности связаны с отличиями в методах работы агентов по сравнению с людьми, часто включая расширение запросов без учета контекста, что влияет на их эффективность. Несмотря на эти трудности, переход к системам, ориентированным на агентов, меняет структуру извлечения данных, при этом векторные базы данных становятся ключевыми компонентами для улучшения знанийных движков. Векторные базы данных, сравнимые с библиотеками, предоставляют релевантную информацию для синтеза знаний, оптимизируя точность извлечения данных с 68% до более чем 90%. Это улучшение является важным для эффективности приложений ИИ, так как поддерживает синтез и генерацию ответов, повышая функциональность современных знанийных движков. Переход к системам, ориентированным на агентов, выявляет фундаментальные недостатки традиционных методов извлечения данных, подчеркивая необходимость улучшения систем для устранения неэффективностей агентов ИИ и оптимизации уровня выполнения задач.