如何通過可信數據和人才彌補AI就緒差距

當下，人工智能有一個危險的趨勢——許多企業和組織在AI投資上的"虛假繁榮"。一份報告顯示：87%的信心指數與31%的實際KPI對齊率形成鮮明對比，說明許多企業的AI戰略仍停留在概念階段而非商業實踐層面。

隨著自主智能體（Agentic AI）時代的到來，數據完整性不再僅是技術問題，而是生存問題。那些忽視"自主智能體數據完整性缺口"的組織，正在為未來的技術債務買單。真正的AI領先者不是跑得最快的，而是基礎打得最扎實的。

核心矛盾：信心與現實脫節

Precisely的一份最新報告揭示了一個有趣的悖論：87%的組織認為自己已為AI做好準備，但與此同時，40%的領導者報告稱，數據、技能和基礎設施仍然是最大的障礙。

Precisely第四年度《數據完整性與AI就緒度現狀報告》顯示，組織對AI就緒度的認知與現實之間存在日益加深的鴻溝。這種信心差距已經開始影響執行。

盡管71%的受訪者表示他們的AI項目與業務目標保持一致，但只有31%報告擁有與業務KPI掛鉤的指標。這凸顯了組織在試圖將AI從試點擴展到更大規模時缺乏問責制的問題。

報告指出，缺乏數據就緒度是將AI與業務目標對齊的最重要障礙。盡管在數據豐富和位置智能方面投入巨大，但許多組織仍然難以信任輸入AI系統的數據。

Agentic AI數據完整性缺口

"研究表明，對AI的信心并不會自動轉化為投資回報率。組織行動迅速，但許多是在缺乏擴展AI所需的可信、受治理數據基礎的情況下進行的。這種脫節代表了我們所說的'自主智能體數據完整性缺口'，它引入了重大風險。"Precisely首席數據官Dave Shuman表示。

"隨著AI系統變得更加自主，數據完整性不再是可有可無的選項；它是業務必需品。現在投資于集成的、改進的、受治理的和情境化的自主智能體就緒數據的組織，將最有能力將AI雄心轉化為可衡量的業務成果。"

解決之道：數據治理是關鍵差異點

針對某些挑戰的解決方案，Precisely指出數據治理是一個關鍵差異化因素。報告指出，在過去18到24個月中，市場已經到達一個拐點，AI正在轉向智能體系統。這擴大了擁有明確數據戰略的組織與沒有數據戰略的組織之間的差距。

重視并優先考慮準確和情境數據、并有強大治理支持的領導者，更有可能成功執行和擴展AI項目。

近四分之三（71%）擁有數據戰略和數據治理項目的組織表示對其數據高度信任，而沒有這些的組織中這一比例為50%。

幾乎所有受訪組織（96%）報告說，他們的公司投資于位置智能和第三方數據豐富，以為AI項目增加數據情境。

技能缺口：人才誤解與復合型人才需求

除了數據就緒度挑戰外，報告顯示，超過一半的公司正在努力縮小AI技能缺口。只有38%在員工技能和AI培訓方面感到非常有準備。

最搶手的AI技能包括大規模部署AI的能力（30%）、負責任的AI和合規專業知識（29%），以及將業務需求轉化為AI解決方案（28%）。

值得注意的是，許多公司誤解了AI技能的本質（延展閱讀：）。"技能缺口不是指某個領域缺乏人才，而是需要能夠同時跨越數據、業務戰略和AI治理進行運作的專業人士。"Drexel大學LeBow商學院應用AI和商業分析中心學術主任Murugan Anandarajan博士表示。"這一現實對組織和大學如何為進入自主智能體時代的人員做好準備具有重大影響。"

系統性挑戰與緊迫性

研究結果表明，AI就緒度挑戰是復合的，而非孤立的。數據治理、數據質量和技能方面的缺口相互強化，使組織更難從AI實驗轉向企業級規模部署。

隨著AI系統變得更加自主，這些基礎性弱點增加了運營風險，并限制了從AI投資中獲得持續回報的能力。

盡管AI系統繼續變得更加復雜，AI項目的成功仍然取決于基礎：與AI緊密集成的強大數據治理、系統數據質量監控和改進，以及全面的AI人才培養。

報告還建議增加一個情境層，以使AI系統能夠進行更準確的預測和采取行動。

Precisely認為，"誠實評估的窗口就是現在"。那些無法解決根本問題的組織可能會失去以后難以追趕的陣地。

報告背景

該報告是Precisely與Drexel大學LeBow商學院應用AI和商業分析中心合作進行的。研究結果基于對美國和EMEA地區大型企業500多名高級數據和分析領導者的調查。