🕷️
SetupAI
🖥️較早收集於 54m

97% 企業投入 AI，但僅 5% 具備數據就緒能力

97% 企業投入 AI，但僅 5% 具備數據就緒能力
PostLinkedIn
🖥️閱讀原文： Computerworld
#data-governance#ai-scaling#enterprise-strategy#data-readinessdun-&-bradstreet-ai-momentum-surveydun & bradstreet

💡僅 5% 企業具備 AI 擴展能力——了解為何您的數據基礎設施可能是最大的瓶頸。

⚡ 30-Second TL;DR

有什麼變化

97% 的組織有 AI 計畫，但僅 5% 表示數據已準備就緒。

為什麼重要

研究結果顯示企業重心正從模型實驗轉向數據工程。若企業未能優先處理數據治理，將難以從簡單的 Copilot 轉型為高價值的自主代理工作流。

下一步行動

在將 AI 試點專案擴展至生產工作流之前，請先審核您目前的數據管道是否具備互操作性與治理能力。

誰應關注：Enterprise & Security Teams

關鍵要點

  • •97% 的組織有 AI 計畫，但僅 5% 表示數據已準備就緒。
  • •67% 的公司看到初步投資回報，但由於數據品質與整合問題，擴展規模仍具挑戰。
  • •主要障礙包括數據存取 (50%)、隱私與合規 (44%) 以及數據完整性 (40%)。
  • •僅 10% 的企業對識別與緩解 AI 風險有高度信心。

🧠 深度解析

Web-grounded analysis with 16 cited sources.

🔑 增強重點摘要

  • •數據品質問題在2025年成為AI專案成功的最大障礙，其比例從2024年的19%大幅增加至44%，顯示其重要性日益提升。
  • •Gartner預測，到2026年，60%缺乏AI就緒數據支援的AI專案將會被放棄，凸顯數據準備不足的嚴重後果。
  • •生成式AI和代理式AI的興起，進一步加劇了對準確、完整且無偏見數據集的需求，因為這些技術的輸出品質直接取決於其所攝取的數據。
  • •企業領導者逐漸認識到，AI治理並非取代數據治理，而是其關鍵延伸，兩者需協同運作才能建立可靠的AI系統。

🔮 前景展望AI analysis grounded in cited sources

企業將大幅增加對數據治理和數據品質工具的投資。
由於數據品質和合規性是AI擴展的主要障礙，企業將被迫投資於解決這些核心問題的解決方案，以避免AI專案失敗和監管風險。
數據治理與AI治理將更緊密地整合，形成統一的企業策略。
隨著AI系統的複雜性增加，單獨的AI治理計畫將不足以應對數據來源、偏見和隱私風險，需要與現有的數據治理框架協同作用。
代理式AI的普及將加速企業對「代理就緒數據」的需求。
代理式AI系統需要高度結構化、語義豐富且可追溯的數據才能自主執行複雜任務，這將推動企業對數據準備工作提出更高要求。

⏳ 時間線

2023
OECD報告指出，2023年有8.7%的企業使用AI，顯示AI採用開始加速。
2024
BARC研究顯示，僅19%的組織將數據品質問題列為AI專案的主要挑戰。
2025-02
Dun & Bradstreet發布AI調查結果，顯示88%的組織正在實施AI，但超過一半(54%)對數據的可靠性和品質表示擔憂。
2025-12
BARC研究指出，到2025年，數據品質問題作為AI專案的最大障礙，比例已翻倍至44%。
2026-03
Cloudera和Harvard Business Review Analytic Services的報告指出，僅7%的企業認為其數據已完全為AI做好準備。
2026-05
Dun & Bradstreet發布2026年第一季度和第二季度AI調查結果，顯示97%的組織有活躍的AI計畫，但僅5%表示數據已完全為AI做好準備。
🖥️閱讀原文： Computerworld
📰

AI 週報

閱讀本週精選 AI 大事摘要 →

👉相關動態

同主題

探索 #data-governance

同產品

更多關於 dun-&-bradstreet-ai-momentum-survey

同來源

最新來自 Computerworld

🐯

影禾醫脉：AI 醫療影像診斷效率的革命

虎嗅•Aug 2

AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Computerworld ↗