新研究揭示，超過一半實施人工智慧的組織面臨關鍵數據質量挑戰

一項全面的產業調查顯示企業採用人工智慧的現象存在一個重大矛盾：雖然88%的公司已開始推行人工智慧解決方案，但有54%的公司對支撐這些系統的數據的可靠性和準確性存有嚴重疑慮。這種廣泛部署AI與底層數據問題之間的差距，成為企業在擴展智慧計畫時面臨的最迫切障礙之一。

數據基礎危機

在其運營中實施AI的組織正面臨一個根本性問題。當高層被詢問其數據準備狀況時，只有50%的受訪者表示對其數據基礎設施能充分應對生成式AI和高級分析的需求感到有信心。這種懷疑反映出更深層的焦慮：近一半的商業領袖(46%)指出數據安全漏洞，43%擔心隱私侵犯，42%擔心敏感或專有資訊曝光。

領先的商業智慧公司負責分析策略的高級數據主管Gary Kotovets強調，AI的效果最終取決於輸入資料的品質。「AI輸出結果的準確性、可解釋性和相關性，直接關係到數據的品質，」他解釋道，並強調企業必須建立所謂的「掌握數據」——來自乾淨、驗證過的單一來源資料庫，並持續更新和驗證。

對數據可信度的擔憂揭示了另一個關鍵指標：只有52%的公司相信自己擁有能支持生成式AI成功的堅實數據基礎。同時，26%的受訪組織擔心AI系統可能放大訓練資料中固有的偏見。

實施階段與主要障礙

實施AI的公司分佈在不同的成熟階段。調查回應者表示，他們正探索和研究能力(29%)、積極部署解決方案(25%)、開發AI原生產品(24%)，或運行試點計畫(10%)。儘管活動廣泛，但實質進展仍不均衡。

成功整合AI的最大障礙集中在兩個核心挑戰：獲取可信賴的商業級數據(33%)，以及應對複雜的倫理和法規要求(33%)。其他障礙還包括建立內部對商業優先事項的共識(31%)、組建具備相關專業知識的團隊(31%)、向利益相關者解釋AI決策過程(28%)、進行適當的風險評估(27%)、展示投資回報(25%)，以及確保算法運作的透明度(25%)。

在已部署AI解決方案的公司中，最明顯的成效來自流程優化(42%)、與AI助手共同協作的人類工作者(39%)，以及補充例行任務(38%)。較少組織在高階應用如情境建模(18%)和消除人員偏見(13%)方面取得可衡量的進展。

2025展望：自主代理與法規調整

展望未來，三大新興技術趨勢主導著產業格局。智能自動化——結合規則基礎邏輯與機器學習的系統——以51%的受訪者興趣居首。緊隨其後的是對話式AI平台(46%)，而多模態與視覺AI能力則逐漸受到關注(33%)。此外，四分之一的高層正積極準備應對預計在未來一年內形成的新法規合規與治理框架。

最受期待的自主AI代理應用——能在最少人為干預下執行複雜任務的系統——是任務自動化，64%的受訪高層將其視為主要應用案例。其次是增強人類能力(42%)，接著是強化數據管理流程(36%)，以及分析市場趨勢(32%)。對數據管理應用的重視，反映產業認識到自主代理能加速數據清理、整合與分析流程。

企業仍專注於確保新興AI能力與具體商業目標一致，同時保持可解釋性、透明度與風險合規——並在建立可靠數據基礎的基礎上，推動負責任且符合倫理的規模部署。