IBM：数据孤岛仍是企业人工智能应用的主要障碍

根据IBM的研究，企业人工智能应用的主要障碍并非底层技术，而是数据生态系统碎片化这一长期存在的挑战。

IBM副总裁兼首席数据官埃德·洛夫利指出，数据孤岛是现代数据战略中的关键薄弱环节。此前IBM商业价值研究院最新研究显示，尽管人工智能已具备规模化应用条件，但企业数据准备度却明显滞后。

该报告对1700名高级数据主管的调研显示，从财务、人力资源到市场营销、供应链等部门数据仍被锁定在各自领域，缺乏统一标准和通用语言。

这种碎片化直接阻碍了人工智能计划的推进。"当数据被困在孤立的仓库中，每个AI项目都会演变成长达六到十二个月的数据清理工作，"洛夫利解释道，"团队耗费在查找和整合数据上的时间，远多于从数据中获取可操作洞察的时间。"

这给企业竞争力带来直接威胁。对首席信息官和首席数据官而言，职责已从单纯收集和保护数据，演变为有效部署数据以驱动先进人工智能系统。

从数据守护者到业务催化剂

研究结论明确指出：数据领导者必须坚定不移地聚焦业务价值——92%的CDO将成功归因于这种结果导向型策略。

这凸显出核心困境：尽管92%的受访者将商业价值置于首位，但仅29%确信自己拥有"评估数据驱动成果商业价值的明确指标"。

这种理想与现实的差距，正是具备自主学习与执行能力的AI智能体大显身手的契机。IBM研究显示，83%的首席数据官认为部署AI智能体的潜在收益大于风险，对这类工具的信心正持续增强。

全球医疗科技巨头美敦力团队曾深陷手动匹配发票、采购订单和交货确认的泥潭。部署人工智能解决方案后，该工作流实现自动化，单张发票的文档处理时间从20分钟缩短至8秒，准确率超过99%。这使员工摆脱低价值数据录入工作，得以专注更高价值的任务。

同样，可再生能源企业Matrix Renewables部署集中式数据平台监控资产后，报告时间缩短75%，高成本停机时间减少10%。

IBM指出AI三大关键障碍：架构、治理与人才

要复制此类成功案例，必须采用避免数据孤岛的新架构模式。将数据以高成本、低效率方式迁移至中央数据湖的旧模式正逐渐式微。IBM研究发现，81%的首席数据官现倾向于将AI部署至数据源头，而非为AI迁移数据。

该策略依赖数据网格与数据织构等现代模式，在分布式数据之上构建虚拟化访问层。同时倡导"数据产品"——为特定业务需求打造的封装化可复用数据资产，例如"客户360度视图"或财务预测数据集。

然而，数据访问的提升加剧了治理需求。CDO与CISO（首席信息安全官）的强力协作已成为平衡敏捷性与安全性的关键。数据主权是核心关切点，82%的CDO将其视为风险策略基石。

最显著的障碍或许在于人力资本。报告指出日益扩大的人才缺口可能阻碍发展进程。2025年，77%的首席数据官表示在吸引或留住顶尖数据人才方面面临困境，较2024年的62%大幅攀升。

技能要求的快速演变加剧了人才短缺。IBM研究发现，82%的首席数据官正在招聘"去年尚不存在的生成式人工智能相关数据岗位"。克服文化与技能双重挑战往往是最艰巨的任务。

洋马控股首席数字官奥山博志指出："文化变革虽艰难，但人们日益意识到决策必须立足数据与事实，这要求在决策过程中收集证据。"

打破数据孤岛以部署企业级人工智能

技术层面，企业领导者必须推动数据环境从孤岛化向联邦化转型。这需要投资现代化的联合数据架构，并鼓励团队构建可安全复用的"数据产品"供全组织共享。

其次在文化层面，数据素养必须成为全公司核心任务，而非仅限于IT部门。80%的首席数据官认为数据民主化能加速组织发展，这一观点确有其理。这需要培育数据驱动型文化，并投资于直观工具以赋能非技术人员处理数据。

最终目标是从孤立的AI试点项目，迈向在核心业务流程中大规模部署智能自动化。成功企业将不再视数据为应用程序的副产品，而是将其视为最具战略价值的资产。

埃德·洛夫利总结道："企业级人工智能的规模化应用虽可实现，但成功关键在于构建正确的数据基础。对首席数据官而言，这意味着打造无缝集成企业数据架构，以此驱动创新并释放商业价值。

"掌握此道的企业不仅能增强AI能力，更能实现运营转型、加速决策进程、快速适应变化，并确保持续的竞争优势。"

另请参阅：Anthropic新数据中心项目标志其迄今最大规模的美国扩张

想聆听行业领袖解读人工智能与大数据？欢迎参加在阿姆斯特丹、加州和伦敦举办的AI & Big Data Expo。这场综合性盛会隶属TechEx系列，与网络安全博览会等顶尖活动同期举行。了解更多信息请点击此处。

AI News由TechForge传媒提供支持。点击此处探索更多即将举办的企业科技活动与网络研讨会。