大多數IT領導者會發現，依靠他們現有的數據管理實踐來增加AI的應用是不可能的。

雖然許多企業已經運行了少數成功的概念驗證，以證明GenAI的價值，但在未將生產AI就緒的數據成為標準實踐之前，將這些概念驗證進行擴展并將新技術應用于業務的其他部分將永遠行不通。Gartner最近的預測顯示，60%在沒有AI就緒的數據的情況下運行的AI項目將在明年被放棄，這揭示了IT領導者需要立即解除的時間炸彈。

對于許多CIO來說，為哪怕一個AI項目準備數據也是一項艱巨的任務。“當他們踏上AI之旅時，許多人發現自己的數據是垃圾，”軟件支持公司Rimini Street的CTO Eric Helmer說，“在某些情況下，他們不確定這些數據在數百個不同的系統中的哪個位置。當他們找到數據時，又往往不知道這些數據是否處于AI可以使用的狀態。這往往會阻礙他們的AI愿望。”

為了應對即將到來的、要求在整個企業中支持AI項目使用的海嘯，CIO們應該采取以下三個步驟，以確保使數據為AI就緒做好準備成為標準實踐。

放棄使用傳統IT來支持AI

“最終目標是擁有AI就緒的數據，這意味著質量高、一致性強、結構合理的數據，這些數據經過優化，可以有效地用于AI模型中，并為特定應用程序產生所需的結果，”安永全球AI領域負責人Beatriz Sanz Sáiz說。AI就緒的數據并不是CIO們只需要為單個應用程序生產的東西——對于所有需要企業特定智能的應用程序，他們都需要它。

然而，許多IT領導者發現，使用標準數據實踐以及傳統IT硬件和軟件，無法實現這一目標?！霸邶嫶蟮摹⒒ゲ贿B通的系統中清理數據，使其對AI有用幾乎是不可能的，”Helmer說，“如果你進入一個人力資源系統并刪除重復記錄或以任何其他方式清理數據，這些更改可能不會傳播到所有相關的數據存儲中，從而造成數據不一致?！?/p>

為了定期訓練企業特定用例所需的模型，CIO們需要建立AI就緒的數據的管道，采用新的方法來收集、清理和編目企業信息。安永最近對數據管理領導者進行的一項研究表明，大多數企業都還沒有做到這一點。在超過1200個企業參與的研究中，有三分之二的企業要么沒有適合AI的數據管理實踐，要么不確定自己是否有這樣的實踐。因此，計劃增加AI采用率的IT領導者顯然需要重新考慮他們的數據管理方式。

據日立萬達(Hitachi Vantara)AI領域的CTO Jason Hardy稱，到目前為止，大多數企業一直在依賴傳統系統，而這些系統已經在努力支持生產工作負載。現在，隨著AI工作負載的增加，結果是出現了許多影響日常運營的下游問題。CIO們不僅需要改造基礎設施，以便通過新的接口呈現大量數據，還需要處理GenAI以前所未見的方式產生的所有數據?！癆I革命正在迫使所有行業的數據中心進行現代化改造，”Hardy說。

據Sáiz稱，早在2018年左右，現代化就已經開始大規模進行。新技術問世，使企業能夠開始改變其數據基礎設施和實踐，以滿足對大型結構化和非結構化數據集不斷增長的需求，這些數據集要為分析和機器學習提供動力。他們開始使用數據虛擬化，通過將數據消費與數據起源分離，減少了對大型數據倉庫的需求。現在，隨著自主式AI的出現，對高質量數據的需求比以往任何時候都增長得更快，這更加快了現有趨勢的緊迫性。

使用AI改進數據，并用知識改進AI

Sáiz補充道，好消息是AI是解決方案的一部分。例如，可以使用GenAI生成合成數據，還可以使用其他形式的AI來幫助分析和提高數據質量。一些企業使用AI來分析數據分布，通過識別不在合理范圍內的值，然后填充缺失的值。AI還可以幫助工程師定位有問題的數據集，應用不同的技術來確定給定值的真實性概率。“我們目前看到，‘AI用于數據’是企業中應用AI最大的領域之一，”Sáiz說，“數據和AI的革命同時進行，產生了雙贏的局面。”

AI還可以通過擁有一個使用自助式AI來管理分散基礎設施的中央智能，來實現更加分散的數據基礎設施。數十萬個智能體可以強制執行標準并確保數據一致性，據Sáiz稱，這是公司在數據基礎設施方面面臨的最大挑戰之一。

例如，AI可以幫助確保特定客戶的記錄在所有系統中(包括CRM、呼叫中心軟件和財務應用程序)保持一致?！盀榱吮３忠恢拢慨斂蛻襞c呼叫中心或網站互動時，所有系統都會在近乎實時的情況下獲得更改，”Sáiz說，“過去，你需要更多的延遲和大量的手動檢查，而現在，這一切都是由AI驅動的，AI不斷檢查狀態和主數據集，根據智能判斷是否需要在整個系統中更新記錄?！?/p>

據Sáiz稱，知識比數據更重要，因為它有助于解釋數據。可以在數據基礎設施之上構建一個知識層，以提供上下文并減少錯誤判斷?！叭绻橙嗽陔娦判袠I運行一個預測模型，那么變量、輸入和結果將與在金融預測中運行相同模型時的變量、輸入和結果不同，”她說，“你越關注知識，你的AI就越準確?！?/p>

采用迭代方法進行轉型

一些IT領導者覺得眼前的挑戰令人難以承受，認為他們需要在開始AI之旅之前將所有的數據都調整到完美狀態。但Hardy說，更好的方法是讓他們以迭代的方式改變其數據管理實踐和基礎設施。“一旦你奠定了基本原則和實踐，你就可以一次一個項目地進行轉型，”他說。

其中一個基本原則是網絡安全，這是CIO們的首要關注點，據Hardy稱。IT領導者需要確保用于訓練模型的數據不違反任何數據隱私規則，而且模型產生的響應與用戶的訪問權限一致?！癆I系統需要知道是誰在提問，以便帶回適當級別的信息，并且不暴露任何額外信息，”Hardy說。

當AI作為云服務提供時，還必須減輕暴露知識產權的風險?！案鶕闩c服務的接口方式，以及數據的類型、主權要求、敏感性要求和法規，你可能會決定一些數據永遠不應該存儲在云中，”Hardy補充說，“制定指導原則將有助于你根據具體情況決定哪些數據保留在本地，哪些數據上傳至云端?！?/p>

據Helmer稱，應該建立一個管理機構來幫助確保遵循最佳實踐。任何開發或部署AI應用程序的人都必須遵守一套規則，這些規則不僅與數據質量一致，而且與保留政策、數據依賴政策和所有適當的法規一致。

“在你的旅程中，決定每個項目的目標結果，”Hardy說，“然后弄清楚你需要什么數據，以及你需要與哪些系統接口來實現這個結果。與其在看不到任何回報之前就試圖解決所有問題，不如一次關注一個數據轉換結果?！?/p>