企業(yè)正全力推進(jìn)AI（人工智能）領(lǐng)域，但數(shù)據(jù)無法支撐AI。以下是表明你當(dāng)前的數(shù)據(jù)管理可能需要系統(tǒng)性升級(jí)的關(guān)鍵警示信號(hào)。
圖源：Wesley Tingey / Unsplash
如果無法獲取豐富且準(zhǔn)確的數(shù)據(jù)，AI將無法發(fā)揮價(jià)值。不幸的是，許多企業(yè)所存儲(chǔ)數(shù)據(jù)的方式，對(duì)于AI應(yīng)用來說無法使用。
EY Americas（安永美洲：Ernst & Young Americas，業(yè)務(wù)咨詢公司）的稅務(wù)技術(shù)與轉(zhuǎn)型負(fù)責(zé)人Daren Campbell（達(dá)倫·坎貝爾）表示，AI數(shù)據(jù)適配不足是普遍問題，即使在那些積極投資AI的組織中也是如此。
他說：“生成式AI和agentic AI（代理型人工智能）的采用正在加速，但只有極少數(shù)組織具備有效擴(kuò)展AI所需的數(shù)據(jù)治理成熟度。這有助于解釋為什么許多公司雖有AI活動(dòng)，但卻沒有持續(xù)的業(yè)務(wù)影響，因?yàn)槠鋺?zhàn)略期望超前于數(shù)據(jù)底座能力?！?/span>
你的企業(yè)生產(chǎn)力是否正被不準(zhǔn)確、有缺陷或過時(shí)的數(shù)據(jù)所束縛？以下是快速羅列的七個(gè)關(guān)鍵跡象，表明你的組織需要進(jìn)行數(shù)據(jù)改造。
一、你的數(shù)據(jù)戰(zhàn)略偏向合規(guī)而非業(yè)務(wù)決策而設(shè)計(jì)的
與AI不兼容的數(shù)據(jù)通常是多年來數(shù)據(jù)孤島系統(tǒng)、不一致標(biāo)準(zhǔn)和薄弱數(shù)據(jù)治理的結(jié)果。
Campbell（坎貝爾）說：“如今的許多企業(yè)數(shù)據(jù)是為合規(guī)和靜態(tài)報(bào)告而設(shè)計(jì)的，并非為學(xué)習(xí)、自動(dòng)化或?qū)崟r(shí)決策而設(shè)計(jì)。未管理的非結(jié)構(gòu)化數(shù)據(jù)、缺失的元數(shù)據(jù)、不明確的所有權(quán)以及有限的數(shù)據(jù)可溯源性，使問題更加復(fù)雜，所有這些都使得AI系統(tǒng)難以可靠地解釋數(shù)據(jù)。”
Campbell（坎貝爾）補(bǔ)充說，生成式AI和agentic AI都在迅速加速發(fā)展，但只有極少數(shù)組織具備有效擴(kuò)展AI所需的數(shù)據(jù)治理成熟度。
二、你在數(shù)據(jù)管理方面薄弱
金融服務(wù)公司Capital One的高級(jí)杰出工程師David Harmony（大衛(wèi)·哈莫尼）表示，一個(gè)關(guān)鍵的數(shù)據(jù)管理問題是，團(tuán)隊(duì)在當(dāng)前環(huán)境中難以使用現(xiàn)有數(shù)據(jù)。
“數(shù)據(jù)治理是AI落地的前置關(guān)鍵，是能夠?qū)?shù)據(jù)用于AI的必要前提，”他說。
Harmony（哈莫尼）認(rèn)為，企業(yè)領(lǐng)導(dǎo)者必須始終清楚他們的數(shù)據(jù)在哪里以及數(shù)據(jù)包含什么?！叭绻麤]有良好管理的數(shù)據(jù)戰(zhàn)略，隨著AI的加速發(fā)展，很難充分利用數(shù)據(jù)，”他說。
Harmony（哈莫尼）表示，Capital One正在通過對(duì)其云數(shù)據(jù)生態(tài)系統(tǒng)進(jìn)行現(xiàn)代化改造，并構(gòu)建支持?jǐn)?shù)據(jù)發(fā)布、使用、治理和基礎(chǔ)設(shè)施管理的企業(yè)平臺(tái)來解決這個(gè)問題。目標(biāo)是為AI計(jì)劃創(chuàng)建一個(gè)管理良好的基礎(chǔ)?！癆I建立在管理良好的數(shù)據(jù)的強(qiáng)大基礎(chǔ)上時(shí)，最為有效，”他說。
三、你的數(shù)據(jù)治理未能有效治理
University of Tennessee, Knoxville（田納西大學(xué)諾克斯維爾分校）的副校長(zhǎng)助理兼AI主任Vasileios Maroulas（瓦西萊奧斯·馬魯拉斯）表示，如果IT和企業(yè)領(lǐng)導(dǎo)者無法清楚地解釋他們的數(shù)據(jù)存儲(chǔ)在哪里、誰擁有這些數(shù)據(jù)以及這些數(shù)據(jù)是否可靠，那么企業(yè)就沒有為AI做好準(zhǔn)備?！叭绻看畏治龆夹枰謩?dòng)核對(duì)，AI會(huì)放大數(shù)據(jù)不一致風(fēng)險(xiǎn)，”他警告說。
Maroulas（馬魯拉斯）說，系統(tǒng)的自然增長(zhǎng)、部門的孤立、不一致的定義以及缺乏治理，都導(dǎo)致了數(shù)據(jù)的不可預(yù)測(cè)性。他指出，大多數(shù)企業(yè)構(gòu)建其基礎(chǔ)設(shè)施是為了運(yùn)行業(yè)務(wù)運(yùn)營(yíng)，而不是為了實(shí)現(xiàn)預(yù)測(cè)或自動(dòng)化。“AI暴露了這些結(jié)構(gòu)上的差距，”他指出。
為了提高數(shù)據(jù)的可預(yù)測(cè)性，Maroulas（馬魯拉斯）建議專注于治理和互操作性?！懊鞔_所有權(quán)，標(biāo)準(zhǔn)化術(shù)語，并有意地使數(shù)據(jù)管道現(xiàn)代化，”他說。
四、你的商業(yè)智能戰(zhàn)略用戶流失、使用率低
研究咨詢公司ISG（Information Services Group，IT和業(yè)務(wù)流程服務(wù)的全球咨詢公司）的AI和數(shù)據(jù)工程技術(shù)總監(jiān)Olga Kupriyanova（奧爾加·庫普里揚(yáng)諾娃）表示，商業(yè)智能的低采用率是一個(gè)關(guān)鍵指標(biāo)，表明一個(gè)組織的數(shù)據(jù)根本沒有為AI做好準(zhǔn)備。商業(yè)智能與AI有什么關(guān)系呢？ 她說：“息息相關(guān)。BI（商業(yè)智能）是企業(yè)數(shù)據(jù)的試驗(yàn)場(chǎng)?！?/span>
Kupriyanova（庫普里揚(yáng)諾娃）說，當(dāng)BI表現(xiàn)不佳時(shí)，業(yè)務(wù)用戶不會(huì)等待——他們會(huì)繞過它?！八麄儠?huì)導(dǎo)出數(shù)據(jù)、自建本地模型，創(chuàng)建本地定義，并將自己的業(yè)務(wù)邏輯硬編碼到電子表格或自定義分析中?！彪S著時(shí)間的推移，這種非官方的業(yè)務(wù)語義層會(huì)不斷增加?！八鼈兌疾粫?huì)回流到企業(yè)數(shù)據(jù)倉庫中，而這正是真正的危險(xiǎn)所在，會(huì)產(chǎn)生一種虛假的健康感，”她說。
Kupriyanova（庫普里揚(yáng)諾娃）解釋說，從外部看，組織似乎沒有重大的數(shù)據(jù)問題，因?yàn)槿栽谏蓤?bào)告并做出決策?！叭欢瑢?shí)際上，用戶已經(jīng)悄悄地不再依賴核心數(shù)據(jù)平臺(tái)，也不再向IT部門尋求幫助?！?/span>
五、你的數(shù)據(jù)與AI可影響的業(yè)務(wù)成果不一致
技術(shù)咨詢公司Concentrix的智能體解決方案負(fù)責(zé)人Guy Bourgault（蓋伊·布爾戈）警告說，當(dāng)AI系統(tǒng)突然開始給出不一致、過時(shí)或與預(yù)期體驗(yàn)不同步的答案時(shí)，這是數(shù)據(jù)不兼容的明顯跡象?！斑@類失誤通常指向缺乏持續(xù)治理的底層知識(shí)庫，”他說。
Bourgault（布爾戈）指出，當(dāng)領(lǐng)導(dǎo)者很難在他們可用的數(shù)據(jù)和AI預(yù)期影響的業(yè)務(wù)成果之間建立直接聯(lián)系時(shí)，往往會(huì)看到數(shù)據(jù)不兼容的警告信號(hào)。“當(dāng)這種清晰度缺失時(shí)，這表明數(shù)據(jù)基礎(chǔ)還沒有準(zhǔn)備好大規(guī)模支持AI?！?/span>
Bourgault（布爾戈）說，與AI不兼容的數(shù)據(jù)通常源于最初是為人類解釋而編寫的信息，而不是為機(jī)器處理而編寫的。
他指出：“許多知識(shí)庫都屬于這一類，因?yàn)樗鼈円蕾嚾祟愔庇X來填補(bǔ)缺失的上下文或?qū)Ш紸I無法可靠遵循的決策樹。隨著權(quán)限老化或權(quán)限過寬，AI可能會(huì)訪問它從未打算查看的內(nèi)容，從而導(dǎo)致不準(zhǔn)確或潛在有風(fēng)險(xiǎn)的回復(fù)?！彼J(rèn)為，隨著時(shí)間的推移，過時(shí)的內(nèi)容、不明確的結(jié)構(gòu)和寬松的治理的混合，創(chuàng)造了一個(gè)脆弱的數(shù)據(jù)環(huán)境，AI難以正確解釋。
六、你被數(shù)據(jù)負(fù)債（遺留問題）壓得喘不過氣
City University of New York’s School of Professional Studies（紐約城市大學(xué)專業(yè)研究學(xué)院）的數(shù)據(jù)科學(xué)學(xué)術(shù)主任Arthur O’Connor（亞瑟·奧康納）觀察到，數(shù)據(jù)質(zhì)量是大多數(shù)人寧愿抱怨也不愿修復(fù)的問題。
他說：“這需要解決過去積累的問題，包括不一致的數(shù)據(jù)格式、缺失的值、相互沖突的業(yè)務(wù)規(guī)則以及不同的接口和協(xié)議。這是關(guān)于糾正走捷徑的遺留問題。” 他觀察到，很少有組織有時(shí)間、精力和意愿去做這件事。
O’Connor（奧康納）說，這個(gè)數(shù)據(jù)負(fù)債（遺留問題）問題不僅是一個(gè)技術(shù)挑戰(zhàn)；它也是一個(gè)組織問題。他說：“企業(yè)內(nèi)部數(shù)據(jù)集在整個(gè)企業(yè)中難以被發(fā)現(xiàn)或管理不善的主要原因是，使用數(shù)據(jù)的IT人員和業(yè)務(wù)團(tuán)隊(duì)都沒有資源或動(dòng)力去實(shí)現(xiàn)數(shù)據(jù)的全部?jī)r(jià)值。雖然數(shù)據(jù)用戶想要完全準(zhǔn)確、干凈且管理良好的數(shù)據(jù)，但單個(gè)數(shù)據(jù)所有者通常沒有預(yù)算、財(cái)務(wù)激勵(lì)或組織權(quán)力來確保高水平的質(zhì)量和透明度?！?/span>
O’Connor（奧康納）說，基本問題是，雖然AI很有吸引力、令人興奮且有趣，但數(shù)據(jù)治理往往是乏味、枯燥且痛苦的。
七、基礎(chǔ)分析難以高效輸出
商業(yè)與稅務(wù)咨詢公司Eisner Advisory Group的AI咨詢服務(wù)總監(jiān)Jen Clark（珍·克拉克）表示，一個(gè)可靠的警示信號(hào)是，你所在組織的團(tuán)隊(duì)獲取基本洞察的難易程度。
她警告道：“如果標(biāo)準(zhǔn)報(bào)告和分析都很困難，如果要整合出清晰的圖景需要跨團(tuán)隊(duì)和資源付出努力，那么AI將會(huì)放大這一挑戰(zhàn)，而非解決它。同樣地，如果數(shù)據(jù)相互脫節(jié)或孤立，且沒有明確的整合路徑，這通常意味著在AI能夠帶來真正價(jià)值之前，需要先開展基礎(chǔ)工作?！?/span>
Clark（克拉克）觀察到，數(shù)據(jù)代表著現(xiàn)實(shí)世界，而現(xiàn)實(shí)世界是高度碎片化的。她指出，數(shù)據(jù)幾乎從未（如果有過的話）為理想的AI場(chǎng)景做好完美準(zhǔn)備，而且總是存在權(quán)衡取舍。“問題不在于不兼容性是否存在，而在于你如何圍繞它劃定范圍，以創(chuàng)造實(shí)際價(jià)值?！?/span>
