人工智能只有在首席信息官修复数据堆栈后才能发挥效用，因为一半的首席执行官承认人工智能热潮导致他们的技术堆栈变得碎片化。
图源：www.cio.com
在急于利用人工智能的过程中，首席执行官们遇到了障碍。他们的数据一团糟。一项新的研究揭示，尽管61%的首席执行官正在积极部署人工智能代理并计划扩大其规模，但50%的人承认他们仓促的技术投资使组织陷入了系统碎片化和脱节的困境。这种数据混乱正在扼杀人工智能的潜力，导致近年来只有25%的人工智能项目实现了预期的投资回报率。
据IBM对来自30个国家的2000名首席执行官进行的调查，多年来的零散技术采用已经创建了孤立的系统，如果没有统一的数据基础，这些系统可能会使人工智能投资脱轨。
“在采用人工智能时，首席执行官们在短期投资回报率的压力和长期创新投资之间取得平衡，”IBM咨询公司高级副总裁兼负责人Mohamad Ali（穆罕默德·阿里）在新闻稿中表示。然而，研究表明，68%的首席执行官认为集成的企业级数据架构对于跨职能协作至关重要，72%的人将他们专有的数据视为释放生成式人工智能价值的关键。
“在破碎的基础上搭建模型无法实现长期的人工智能投资回报率，”QKS集团的实践总监Amandeep Singh（阿曼迪普·辛格）警告说，表面层次的人工智能集成只会增加不断增长的技术债务。
IBM副主席Gary Cohn（加里·科恩）在新闻稿中警告说，不利用人工智能和数据是一种选择，会让企业落后。
数据脱节不仅仅是一个技术问题，它还是一个战略问题。研究发现，59%的首席执行官在平衡现有运营的资金与创新投资方面存在困难，尤其是当意外变化发生时。
由于担心被甩在后面，64%的首席执行官承认在尚未完全理解人工智能价值的情况下就进行了投资。2025年，首席人工智能官报告的平均投资回报率仅为14%，即使人工智能项目已经超越了最初的试点阶段。研究指出，尽管具有开创性的概念验证吸引了人们的注意力，但它们并不总是能持续转化为业务成果。
首席执行官们知道人工智能可以推动显著增长——85%的人预计到2027年通过扩大人工智能效率将实现积极的投资回报率——但他们正在摇摇欲坠的基础上建设。
根据德勤的研究，数据问题是人工智能的主要瓶颈。只有半数的受访首席执行官报告说，他们的数据集成足以扩大人工智能的规模。解开遗留系统、不一致的格式和治理缺口的难题需要首席信息官进行技术和文化的修复。
首席执行官们认识到战略领导和人才对于实现人工智能价值至关重要，但技能差距仍然存在。大约三分之一（31%）的劳动力需要在三年内进行人工智能再培训，54%的首席执行官正在招聘新的与人工智能相关的职位，突显了人才竞争的激烈程度。
研究还强调了一种谨慎的乐观情绪。尽管只有52%的首席执行官报告说，他们从生成式人工智能中获得的价值超过了成本削减，但68%的人表示他们的组织有明确的衡量创新投资回报率的指标。到2027年，77%的人预计从专注于增长和扩展的人工智能投资中获得积极的回报。但这些收益取决于首席信息官现在能否解决数据混乱的问题。
正确构建数据堆栈
首席信息官需要从审计他们的数据开始，发现空白、清理不一致并确保数据的可用性。目标并不是将所有内容锁定在一个集中系统中，而是确保数据结构化、受管控且易于访问。研究建议，通过使用数据虚拟化和系统集成等智能工具，团队可以无需额外复杂性就能获得统一的视图。
Singh（辛格）敦促首席信息官采用“数据产品思维”——将高质量、可复用的数据集视为业务资产。当做得正确时，这可以推动人工智能用例，从而真正推动业务发展，比如预测当地库存需求或减少差旅支出。
为了使人工智能能够实时工作，首席信息官应该构建一个连接系统并将智能嵌入日常运营的数据编织。云原生平台有助于团队跨部门协作，而事件驱动的架构让人工智能在新数据输入的瞬间做出响应。
人工智能还需要在干净的、特定于企业数据上进行训练，同时将业务规则、伦理和安全性纳入其中。一个强大的训练框架加上反馈回路有助于人工智能发现的问题、改进流程并保持相关性，研究补充道。
“没有人工智能模型应该在没有接入实际业务工作流程的情况下投入生产，”Singh（辛格）说，“如果做得正确，这种重新布线可以将数据混乱转变为竞争优势。”
作者：Mastufa Ahmed（马斯图法·艾哈迈德）
译者：穿山甲
【睿观：企业若想充分释放人工智能的潜力并实现预期回报，当务之急是解决因仓促投资导致的数据堆栈碎片化问题，构建统一、高质量、易于访问且治理良好的数据基础。只有在首席信息官（CIO）成功修复数据混乱之后，人工智能才能真正发挥其变革性作用，推动业务增长和创新。
支撑论据：
当前困境：数据碎片化严重阻碍人工智能发挥价值。
表现：
一半（50%）的首席执行官（CEO）承认，在人工智能热潮中仓促的技术投资导致了系统碎片化和脱节。
后果：
这种数据混乱导致近年来仅有25%的人工智能项目实现了预期的投资回报率（ROI）。遗留系统、不一致的格式和治理缺口加剧了技术债务。
认知：
尽管多数CEO（如IBM调查中68%）认识到集成数据架构的重要性，且72%视专有数据为释放生成式AI价值的关键，但德勤研究显示仅半数CEO的数据集成足以支撑AI规模化。
解决之道：首席信息官（CIO）需主导构建坚实的数据基础。
采用“数据产品思维”，将高质量、可复用的数据集视为业务资产。
构建“数据编织”（Data Fabric）架构，连接系统并将智能嵌入日常运营，利用云原生平台和事件驱动架构实现AI实时响应。
确保AI在干净的、特定于企业的数据上进行训练，并融入业务规则、伦理和安全性。
行动起点：
CIO应从数据审计入手，识别数据缺口、清理不一致并确保数据可用性。
核心策略：
不是简单地集中所有数据，而是确保数据结构化、受管控且易于访问，将数据混乱转变为竞争优势。
未来展望与配套条件：修复数据是前提，但人才与战略同样关键。
CEO的期望：
尽管面临挑战，85%的CEO预计到2027年通过扩大AI效率实现积极ROI，77%预计AI投资将带来增长和扩展方面的积极回报。
人才缺口：
大约31%的劳动力需要在三年内进行AI再培训，54%的CEO正在招聘新的AI相关职位，凸显了人才竞争。
战略挑战：
59%的CEO在平衡现有运营资金与创新投资方面存在困难。64%的CEO承认在未完全理解AI价值时就已投资。
成功的衡量：
68%的CEO表示其组织有明确的衡量创新ROI的指标，这对于引导AI投资走向成功至关重要。
总结：尽管CEO们对AI的潜力充满期待并积极投入，但当前普遍存在的数据基础薄弱问题（尤其是数据碎片化）已成为AI项目成功的最大瓶颈。只有通过CIO领导下的战略性数据治理和技术栈修复，构建起统一、高质量的数据基础，并辅以人才培养和清晰的战略规划，企业才能真正从AI投资中获得显著和持续的回报。】
