2025-04-25-Gartner-BPI网络报告_您的数据是否准备好解锁生成式人工智能的商业价值_41页_13mb

报告摘要

BPI网络与EncompaaS合作报告：数据准备解锁生成式AI商业价值

核心发现

数据准备是关键
- 生成式AI项目失败的主要原因是数据准备不足（60%的企业领导者缺乏信心）。
- 数据质量、准确性、安全与隐私是四个核心支柱，企业需优先投入。
失败根源
- 数据孤岛、非结构化数据处理困难、数据理解有限及缺乏治理框架是主要挑战。
- Gartner预测，到2026年，30%的生成式AI项目将因数据问题被放弃。
成功要素
- 高质量训练数据：通过贝叶斯推断、监督式机器学习确保AI输出可靠性（目标：90%准确率）。
- 数据治理与透明度：需清晰解释AI决策，减少幻觉和算法偏见。
- 安全与隐私：自动化分类敏感数据（如PII、PHI），降低合规风险。
差异化优势
- 地域：北美领先（仅38%受访者不满意），亚太落后（84%不满意）。
- 业务模式：B2B企业更成熟（用例集中在文档生成与个性化），B2C企业侧重自动化任务。
- 公司规模：大型企业在结构化数据上更自信，但个性化应用仍有限。
专家观点
- David Gould：“信任是AI成功的基石”，数据可信度直接影响商业决策。
- Isaac Sacolick：AI价值需超越效率，聚焦创新场景（如视频生成、新营销渠道）。
- Tim Crawford：数据策略与可信输出是AI创新的核心，需克服“数据孤岛”。
- Don Schuerman：企业需打破文化障碍，重新定义流程，以代理式AI替代手动流程。
未来展望
- 短期行动：优先数据治理、工具投资（如工程化平台、可视化技术）和员工数据素养培训。
- 长期趋势：AI将重塑决策流程，企业需构建“可解释AI”以应对监管和信任危机。