IBM：資料孤島仍是企業人工智慧採用的主要障礙

根據IBM的研究，企業採用人工智慧的主要障礙並非底層技術，而是數據生態系統長期碎片化的挑戰。

IBM副總裁暨首席數據官艾德·洛夫利指出，數據孤島是現代數據策略中的關鍵弱點。這項論述源自IBM商業價值研究院最新研究，該研究顯示儘管人工智慧已具備擴展規模的條件，企業數據準備度卻明顯滯後。

這份調查1,700名資深數據主管的報告揭示，從財務、人力資源到行銷、供應鏈等部門數據，仍被鎖在各自領域內，缺乏統一標準與共通語言。

這種碎片化直接削弱了人工智慧計畫的成效。「當數據被困在孤立的窖倉中，每個AI專案都會演變成長達六至十二個月的數據清理工程，」洛夫利解釋道，「團隊耗費更多時間在尋找和整合數據上，而非從中獲取可執行的洞察。」

這對企業競爭力構成直接威脅。對資訊長與資料長而言，職責已從單純收集與保護資料，演變為有效運用資料作為先進人工智慧系統的燃料。

從數據保管者到業務催化劑

研究共識明確指出：數據領導者必須毫不妥協地聚焦商業影響力，92%的CDO將成功歸因於此成果導向的策略。

這凸顯核心困境：儘管92%重視商業價值，僅29%確信擁有「評估數據驅動成果商業價值的明確指標」。

這份理想與現實的落差，正是具備自主學習與行動能力的AI代理人展現價值之處。IBM研究顯示，83%的CDO認為部署AI代理人的潛在效益大於相關風險，業界對這類工具的信心正持續提升。

全球醫療科技巨擘美敦力（Medtronic）團隊曾深陷手動比對發票、採購訂單與交貨確認的泥淖。導入AI解決方案後，此流程自動化運作，文件處理時間從每張發票20分鐘縮短至僅8秒，準確度更達99%以上。此舉使員工從低價值的數據輸入工作中解放，得以投入更高影響力的任務。

同理，再生能源企業Matrix Renewables部署集中式數據平台監控資產，成功將報告時間縮短75%，並削減10%高成本停機時間。

IBM 指出人工智慧三大關鍵障礙：架構、治理與人才

要複製這類成功案例，必須採用避免資料孤島的新架構模式。過時且昂貴的「將資料緩慢遷移至中央資料湖」模式正逐漸式微。IBM研究發現，81%的首席資料長現今傾向「將AI帶到資料所在處」，而非為AI遷移資料。

此策略依賴數據網格與數據織物等現代模式，在分散式數據上建立虛擬化存取層。同時推動「數據產品」——為特定業務需求打造的封裝化可重複使用數據資產，例如「客戶360度視圖」或財務預測數據集。

然而，提升數據存取能力同時加劇了治理需求。強大的CDO-CISO合作夥伴關係現已成為平衡敏捷性與安全性的關鍵。數據主權是核心關注點，82%的CDO將其視為風險策略的基石。

最嚴峻的障礙或許在於人力資本。報告指出日益擴大的技術人才缺口恐阻礙發展進程。2025年將有77%的CDO反映難以吸引或留住頂尖數據人才，較2024年的62%大幅攀升。

技能需求快速演變更使人才短缺雪上加霜。IBM研究發現，82%的CDO正在「招聘去年尚不存在的生成式AI相關數據職位」。克服文化與技能挑戰往往是最艱鉅的課題。

洋馬控股集團首席數位長奧山博志指出：「文化變革雖艱難，但各界日益認知到決策必須立足於數據與事實，這要求在決策過程中收集證據。」

打破數據孤島以部署企業級AI

技術層面，企業領導者必須推動數據環境的整合轉型。這包含投資現代化聯邦式數據架構，並鼓勵團隊在組織內建構與運用安全、可重複使用的「數據產品」。

其次在文化層面，數據素養必須成為全公司核心要務，而非僅是IT部門的課題。80%的首席數據官認為數據民主化能加速組織發展，此觀點確有其理。這需要培育數據驅動文化，並投資直覺化工具使非技術人員也能運用數據。

最終目標在於突破孤立式AI試點的局限，實現基礎業務流程的智能自動化規模化部署。成功企業將不再將數據視為應用程式的副產品，而是視其為最具戰略價值的資產。

艾德·洛夫利總結道：「大規模企業級人工智慧雖可實現，但成敗關鍵在於建立正確的數據基礎。對首席數據官而言，這意味著要構建無縫整合的企業數據架構，以驅動創新並釋放商業價值。

"掌握此要領的企業不僅能強化AI能力，更能轉型營運模式、加速決策流程、敏捷應對變革，並奠定永續競爭優勢。"

另請參閱：新資料中心項目標誌著Anthropic迄今在美國的最大規模擴張

想向業界領袖學習人工智慧與大數據知識？歡迎參與於阿姆斯特丹、加州及倫敦舉辦的「人工智慧與大數據博覽會」。此綜合性活動隸屬TechEx系列，並與「網路安全博覽會」等頂尖盛會同期舉行。更多資訊請點此查閱。

AI News由TechForge Media提供技術支援。探索其他即將舉辦的企業科技活動與線上研討會請點此。