你不能用过时的设施来推动人工智能。如果没有正确的数据基础设施，即使是最聪明的人工智能也只是猜测。

图源：Getty Images

你一定听说过那句老话：你可以把马领到水边，但不能强迫它喝水。

同样的逻辑也可以应用于现代企业对人工智能的采用：你可以部署人工智能系统，但不能强迫它们使用它们需要的有效运行的数据。

事实上，如果没有现代化的数据基础设施，你根本无法很好地将相关数据输入人工智能系统——这也是为什么数据基础设施现代化的挑战是各行业公司在成功采用人工智能方面面临的最大障碍之一，根据数据基础设施和人工智能采用公司Indicium的一项调查显示。

一、人工智能、数据和数据基础设施之间不可分割的联系

数据长期以来对企业一直很重要。但在人工智能时代，它已经变得必不可少。

原因很简单：没有数据，人工智能工具和服务几乎无法做任何事情。如果无法解析大量信息，人工智能就无法识别相关趋势和模式、总结信息或生成新内容。

需要明确的是，我们这里主要讨论的不是用于构建人工智能模型的通用数据，这些模型通常是基于大量公开可用的信息预先训练的。在企业人工智能采用的背景下，最重要的数据类型是特定于各个企业的信息。将这种数据输入人工智能解决方案的能力，使这些工具能够提供独特的商业洞察力、加速商业流程等。如果没有访问专有业务数据的权限，人工智能工具只能回答一些通用问题，而无法应对特定组织面临的独特挑战。

确保企业能够将专有数据连接到人工智能系统，这就是数据基础设施的作用所在。数据基础设施包括组织用于存储、处理和管理数据的工具和技术。维护一个高效、可扩展的数据基础设施——并且能够容纳所有类型的数据，包括结构化数据以及非结构化数据源——对于确保人工智能工具和应用程序能够连接到它们需要运行的数据至关重要。

二、过时的数据基础设施如何阻碍人工智能的采用

不幸的是，许多企业在过去一二十年间构建的数据基础设施是为人工智能时代之前设计的，它们在为人工智能工具和服务提供动力方面存在不足。

传统的数据平台通常开发速度较慢，并且缺乏强大的内置数据治理和质量功能。此外，传统解决方案通常仅设计用于支持结构化数据，这使得将其他类型的信息（如文档和图像）输入人工智能系统变得具有挑战性。而且它们可能涉及多个不同的部分，阻碍了将数据快速且高效地从存储位置移动到需要它的AI工具中的努力。

Indicium的调查结果反映了传统数据平台在人工智能时代是不足够的。当被问及他们对使用数据与人工智能应用程序和系统相结合的准备程度时，近一半的受访者报告了中等至低水平的信心。

此外，调查发现，为人工智能工具和应用程序准备数据是企业追求数据现代化项目的主要原因——这突显了组织对能够使用一种方法论来转换数据的重视，这种方法论可以提供可扩展性，并缩小企业与其技术之间的差距。其他目标，如降低存储成本、提高数据安全性和加快流程速度，与人工智能相比，推动数据现代化的可能性要小得多。

三、使数据基础设施与人工智能同步发展

那么，具体来说，企业实际上是如何应对数据基础设施挑战的呢？调查提供了一些明确的见解。

常见的策略包括从本地部署迁移到基于云的数据平台，这是80.9% 追求数据现代化项目的公司所采取的步骤。部署现代数据仓库，如云原生的数据仓库解决方案Snowflake、基于云的大数据处理和机器学习平台Databricks、亚马逊云数据仓库服务Redshift和谷歌云平台BigQuery，也是一种广泛的数据现代化策略，得到了53.9% 的调查受访者的青睐。

然而，需要注意的是，仅仅部署现代数据平台只是数据现代化的一个步骤。同样重要的是建立一个坚实的数据管理方法论和相应的组织文化，明确如何借助现代工具满足数据治理、质量和可扩展性需求。仅仅转向更新的解决方案并不能自动实现数据管理流程的现代化。

值得注意的是，实施专门针对人工智能数据管理的数据平台，如谷歌云一站式AI平台Vertex和亚马逊云托管服务平台SageMaker，是一种不太常见的做法，只有29.1% 的公司报告使用了这类解决方案。这可能是因为，与其单独投资人工智能平台，企业更倾向于采用全面的数据现代化战略，这不仅可以帮助将数据整合到人工智能驱动的应用程序和工具中，还可以在整体上增强数据治理、安全性和可扩展性，而不仅仅是人工智能的背景下。

对于大多数企业来说，这些投资都得到了回报。当被问及数据现代化项目是否让他们处于更好的位置，使用数据与人工智能工具和应用程序相结合时，95.1% 的组织表示确实如此。

四、数据现代化是人工智能成功的关键

核心要点非常明确：构建更好的数据基础设施是充分利用人工智能技术的一个重要步骤。企业可以部署它想要的所有人工智能工具和服务。但如果没有一个现代化的数据平台和管理方法论，能够确保治理、质量和速度，它就不太可能获得太多价值。

好消息是，对于那些目前数据基础设施过时的组织来说，赶上人工智能时代远非不可能。这只需要在现代化的数据平台和方法论以及集中化和规模化企业处理信息方式的管理文化上进行投资。