Data Engineering Weekly著者のAnanth Packkildurai氏は、Cursorやclaude codeなどによってこの2年でコードを書く摩擦が消えた結果、エンジニアの中心業務は「ローカルなロジックを書くこと」から「生成されたロジックを信頼できる状態に保つ契約・フィードバックループ・境界の設計」へ移ると論じています。同氏は、テストが全て通るのに財務が認めない数値を出すパイプラインを例に、物理的に整合していても意味的に誤っているデータ基盤の危うさを指摘しました。
VentureBeatの調査部門VB Pulseが2026年7月に従業員100人超の企業101社へ実施した調査で、68%が「AIエージェントが自信を持って誤答した原因を、社内データの文脈の欠落や不整合まで遡って特定した」と回答しました。6月調査の57%から11ポイント悪化し、しかもガバナンス付きコンテキスト層を運用・構築中の企業のほうが再発率は50%と、未導入企業の21%を大きく上回っています。
VentureBeat Pulse Researchが企業101社を調査したところ、57%が過去6ヶ月にAIエージェントが「自信を持って間違った回答」を出したと回答し、その原因は業務コンテキストの欠落・不整合にありました。RAG（検索拡張生成）が既定の情報源となる一方、それを信頼できる状態に保つ基盤づくりが追いついていません。