新研究显示，超过一半采用人工智能的组织面临关键的数据质量挑战

一项全面的行业调查显示企业AI采用存在一个显著的悖论：虽然88%的公司已经开始部署人工智能解决方案，但有54%的公司对驱动这些系统的数据的可靠性和准确性表示严重怀疑。这种广泛部署AI与底层数据担忧之间的差距，成为企业在扩大智能化举措时面临的最紧迫障碍之一。

数据基础危机

在其运营中实施AI的组织正面临一个基础性问题。当高管被问及他们的数据准备情况时，只有50%的人对其数据基础设施是否充分满足生成式AI和高级分析的需求表示有信心。这种怀疑反映出更深层次的焦虑：近一半的受访企业领导者(46%)指出数据安全漏洞，43%担心隐私泄露，42%担忧敏感或专有信息的曝光。

领先的商业智能公司负责分析策略的高级数据主管Gary Kotovets强调，AI的有效性最终取决于输入质量。“AI输出的准确性、可解释性和相关性直接关系到数据质量，”他解释道，这也凸显了行业专业人士所称的“掌握数据”的重要性——即来自干净、验证过的单一来源存储库的信息，这些存储库经过持续更新和验证。

对数据可信度的担忧揭示了另一个关键指标：只有52%的公司相信他们拥有支持生成式AI成功的坚实数据基础。与此同时，26%的受访组织担心AI系统可能会放大嵌入训练数据中的现有偏见。

实施阶段与主要障碍

实施AI的公司分布在不同的成熟阶段。调查受访者表示，他们正在探索和研究能力(29%)，积极部署解决方案(25%)，开发AI原生产品(24%)，或运行试点项目(10%)。尽管如此，实际进展仍不均衡。

成功整合AI的最大障碍集中在两个核心挑战：获取可信赖的、面向业务的高质量数据(33%)，以及应对复杂的伦理和监管要求(33%)。其他障碍还包括在内部达成业务优先级共识(31%)、组建具备相关主题专业知识的团队(31%)、向利益相关者解释AI决策过程(28%)、进行适当的风险评估(27%)、展示投资回报(25%)，以及确保算法操作的透明度(25%)。

在已部署AI解决方案的公司中，最明显的收益来自流程优化(42%)、与AI助手共同协作的人类员工(39%)，以及补充日常任务(38%)。在场景建模(18%)和消除人员偏见(13%)等高级应用方面，取得的可衡量进展较少。

2025展望：自主代理与监管适应

展望未来，三大新兴技术趋势主导着行业格局。智能自动化——结合规则基础逻辑与机器学习的系统——以51%的受访者兴趣位居榜首。紧随其后的是会话式AI平台(46%)，而多模态和视觉AI能力正引起越来越多的关注(33%)。此外，四分之一的高管正积极准备应对预计在未来一年内形成的新监管合规和治理框架带来的影响。

最受期待的自主AI代理应用——能够在最少人类干预下执行复杂任务的系统——是任务自动化，64%的受访高管将其视为主要用例。增强人类能力排名第二(42%)，随后是加强数据管理流程(36%)和分析市场趋势(32%)。对数据管理应用的重视反映出行业对自主代理能加速数据清洗、集成和分析流程的认可。

企业仍然专注于确保新兴AI能力与具体业务目标一致，同时保持可解释性、透明度和风险合规——所有这些都建立在可靠的数据基础之上，以支持负责任和伦理的规模部署。