BPI网络报告：通往通用人工智能竞争优势 - 您的数据是否准备好解锁通用人工智能的商业价值?

核心观点

本报告探讨了组织如何通过恰当的数据准备、激活、编程和处理，使生成式人工智能（GenAI）塑造、影响并影响数据用于竞争优势的方式。报告重点关注四大关键支柱：数据质量、准确性及可靠性、安全与隐私，以及成本与投资回报率。

关键数据

• 79%的企业领导者认为，在接下来的18个月内，GenAI将通过人工智能代理（agentic AI）改善客户体验等方式，提供竞争优势。
• 60%的企业领导者对其数据人工智能（data-AI）准备情况缺乏信心，以实现GenAI的商业价值。
• 根据Gartner的数据，到2026年，30%的生成式AI项目在概念验证后将因数据质量差、风险控制不足、成本上升或商业价值不明确而被放弃。
• Gartner发现，近三分之二的机构要么缺乏支持AI的合适数据管理实践，要么心存疑虑。
• Gartner表示，企业中70%或更多的数据是非结构化的，这只会加剧问题。

研究结论

• 解锁GenAI的最大挑战在于数据准确性和可靠性。GenAI需要稳健的数据管理实践——包括合适的技术、资源、方法、工具等。
• 组织必须重新思考如何管理和准备数据，然后才能将其输入人工智能模型。
• 高质量训练数据是获得准确可靠GenAI输出的关键。
• 数据激增将继续挑战安全与隐私工作。
• 成本与投资回报率是一个不断变化的目标，商业领袖需要制定一项综合战略，其中包括投资建设强大的数据环境以支持GenAI。
• 北美洲在GenAI成熟度曲线中处于最高位置，其次是欧洲。亚太地区落后。
• B2B在GenAI产生最大影响和价值的使用案例中比B2C更为成熟。
• 大公司对其数据人工智能准备状态更有信心，因为它们目前的用例主要依赖于结构化数据普遍的应用领域。

建议

• 投资于现代化的技术栈和数据供应链，以支持雄心勃勃的GenAI项目。
• 建立人工智能和数据素养的文化，以识别并意识到对GenAI重要的数据点。
• 就GenAI能够提供最佳价值的用例，做出创新且明智的决策。
• 为员工、客户和合作伙伴建立成功记录，以赢得他们对GenAI的信任。