AI 应用进入关键阶段，数据治理与信任问题凸显
AI 技术已从实验阶段转向战略转型阶段，但广泛应用也暴露了基础设施、治理、员工数据与 AI 素养等方面的挑战。调研显示，69% 的企业已将生成式 AI (GenAI) 应用于业务实践，另有 25% 计划在 12 个月内采用；近半数 (47%) 已采用自主 AI (Agentic AI) 技术。
GenAI 与 Agentic AI 应用加速
GenAI 采用率大幅提升，从两年前的 45% 上升至 69%，其中美国 (75%)、英国/欧盟 (66%) 和亚太地区 (66%) 采用率领先。Agentic AI 也呈现快速增长，47% 的企业已采用，另 31% 计划在 12 个月内部署。美国 (52%)、英国/欧盟 (50%) 采用率领先，亚太地区 (41%) 虽然当前采用率较低，但 24% 的企业计划在 6 个月内采用。
数据质量成关键挑战
61% 的企业认为高质量、完整的数据是成功将 GenAI 试点项目转向生产环境的关键因素。Agentic AI 部署的主要挑战同样集中在数据质量/检索问题 (50%)，其次是安全 (43%)、可观测性 (39%) 和 AI 使用安全边界 (35%)。
客户体验是主要应用场景
企业优先考虑面向客户的 AI 应用，包括提升客户体验与忠诚度 (29%)、优化售后支持 (25%)；内部应用则聚焦于 BI 分析与决策 (28%)、合规与 ESG 标准 (27%)、风险管理 (25%)，以及员工协作与 HR 支持 (26%)。
数据可靠性仍是主要障碍
56% 的 GenAI 企业将数据可靠性视为从试点转向生产的主要障碍，57% 认为数据是推进 GenAI 的关键因素。企业通过流程优化 (如改进数据/AI 工作流)、增加资金投入、提升数据技能等方式解决数据问题。
员工信任与素养问题并存
75% 的企业认为员工需要提升数据素养，74% 认为需要提升 AI 素养。尽管 65% 的企业员工信任用于 AI 的数据，但高信任度可能源于对高质量数据标准的认知不足。企业更倾向于同时提升数据与 AI 素养的企业，其员工信任度更高 (71%)。
AI 治理与数据管理投资
76% 的企业认为 AI 治理与可见性未能跟上员工使用进度。近半数企业 (48%) 通过扩展现有数据治理工具实现 AI 治理，但完全依赖外部工具的企业更倾向于采用独立治理工具。86% 的企业计划增加数据管理投资，主要用于提升数据隐私安全 (43%)、AI 治理 (41%) 和满足监管要求。
未来趋势
企业平均需要 7-8 家供应商支持数据/AI 管理，但长期可能因内部能力提升和行业整合而减少依赖。成功实施 AI 需要可靠的数据基础、有效的治理框架和员工素养提升，否则可能因数据风险和治理不足导致投资回报率降低。
