主要内容
伦敦AI与大数据博览会暨数字化转型周第二天聚焦市场转变：生成式模型早期热度消退，企业领导者面临将AI工具整合至现有系统的现实挑战，会议焦点转向数据谱系、可观测性、合规性等运行基础设施。
数据质量成为AI部署关键。专家指出，数据成熟度决定AI可靠性，若数据策略未经验证，自动化决策反而会放大错误。Northern Trust的DP Indetkar强调，企业需先提升分析成熟度再推进AI应用；Just Eat的Eric Bobek指出，数据基础碎片化会导致AI投入浪费；Kingfisher的Mohsen Ghasempour则强调，零售与物流企业需缩短数据收集到洞察生成的延迟，以实现商业回报。
受监管行业对AI规模化要求严苛。金融、医疗、法律等领域对错误零容忍，Wiley的Pascal Hetzscholdt指出，这些领域的AI需具备准确性、可追溯性和完整性，必须建立审计跟踪；Visa的Konstantina Kapetanidi提到，多语言生成式AI应用需平衡安全与功能，模型从文本生成转向任务执行时，工具使用带来的安全风险需严格测试；Lloyds Banking Group的Parinita Kothari则反对“部署即遗忘”，强调AI系统需持续监控，类似传统软件基础设施维护。
AI重塑开发者工作流。低代码/无代码平台结合AI工具加速内部应用开发，Senzing的Dr Gurpinder Dhillon与Retool的Alexis Ego指出，这种策略在确保质量的同时缩短开发周期，缓解内部工具需求积压。Panel讨论显示，AI生成代码需更多审查，企业需培养新技能填补人才缺口。
人机协作进入新阶段。“数字同事”概念兴起，AI从辅助工具转向主动参与者。Anthony Nolan的Paul Airey举例，AI优化干细胞移植捐赠匹配流程，显著缩短匹配与移植时间，展现实际应用价值。