主要内容
据 IBM 称，阻碍企业人工智能发展的主要障碍并非技术本身，而是持续存在的数据孤岛问题。IBM 副总裁兼首席数据官 Ed Lovely 将数据孤岛描述为现代数据战略的“阿喀琉斯之踵”。Lovely 在 IBM 商业价值研究院发布的一项新研究之后发表了上述言论，该研究发现人工智能已准备好扩展，但企业数据却没有。该报告对 1700 名高级数据领导者进行了调查，发现功能数据仍然顽固地孤立。财务、人力资源、营销和供应链数据都各自独立运行，没有共同的分类法或共享标准。这种碎片化对人工智能项目产生了直接的负面影响。IBM 副总裁兼首席数据官 Ed Lovely 表示：“当数据存在于互不相连的孤岛中时，每个人工智能计划都变成了一个长达 6 至 12 个月的数据清理项目。团队花费更多时间寻找和对齐数据，而不是生成有意义的洞察。”这对竞争优势构成了直接威胁。对于 CIO 和 CDO 来说，任务不再仅仅是收集和保护数据，而是有效地部署数据以支持这些新的人工智能系统。
从数据管理员到价值驱动者
研究的共识是，数据领导者必须始终专注于业务成果，92%的 CDO 认为他们的成功取决于这一重点。这里存在着核心矛盾：虽然 92%的人旨在实现业务价值，但只有 29%的人有信心他们有“明确的措施来确定数据驱动结果的业务价值”。在雄心和现实之间的差距中，预计能够自主学习和行动以实现目标的人工智能代理将提供帮助。领导者对这些工具的信心日益增强，IBM 研究中的 83%的 CDO 表示部署人工智能代理的潜在好处超过了风险。
在全球医疗技术公司美敦力，团队在匹配发票、采购订单和交货证明方面陷入困境。通过部署人工智能解决方案，该公司实现了工作流程的自动化。结果是，每张发票的文件匹配时间从 20 分钟减少到仅 8 秒，准确率超过 99%。这使得员工能够从低价值的数据输入重新部署到高价值的工作中。同样，可再生能源公司 Matrix Renewables 实施了一个集中式数据平台来监控其资产。这导致报告时间减少了 75%，昂贵的停机时间减少了 10%。
IBM 发现人工智能的障碍：架构、治理和人才差距
实现这些结果需要一种新的数据架构方法，同时避免数据孤岛。将昂贵、缓慢的数据迁移到中央数据湖的旧模式正在被取代。IBM 的研究发现，81%的 CDO 现在实行将人工智能带到数据中，而不是将数据移动到人工智能中。这种方法依赖于现代架构模式，如数据网格和数据结构，它们提供了一个虚拟化层来访问数据所在的位置。它还倡导“数据产品”的概念（为特定业务目的设计的打包、可重复使用的数据资产，如“客户 360”视图或财务预测数据集）。
然而，使数据更易于访问带来了治理挑战。CDO-CISO 联盟现在对于平衡速度和安全至关重要。数据主权是一个特别令人关注的问题，82%的 CDO 将其视为风险管理策略的核心部分。然而，最大的障碍可能是人。报告显示，人才差距正在扩大，这有可能阻碍进展。2025 年，77%的 CDO 报告难以吸引或留住顶尖数据人才，比 2024 年的 62%大幅增加。这种稀缺性因所需技能是一个移动目标而加剧。IBM 发现，82%的 CDO 在“招聘与去年与生成式人工智能相关的不存在的数据职位”。这种文化和技能挑战通常是最困难的部分。