在人工智能和AI自主智能体（Agentic AI）飞速发展的今天，企业该如何管理其庞大的数据资产？2026年6月3日，全球支付巨头美国运通（American Express）分享了他们独特的见解。该公司的首席数据官克里斯·吉福德（Chris Gifford）指出，企业应该追求“分析的普及化”，而不是盲目跟风“数据民主化”。
一、“数据民主化”的潜在陷阱
多年来，“数据民主化”一直是个热门的商业词汇。然而，吉福德认为许多企业对此存在误解，以为这意味着员工可以随意将数据移出受控环境，并在没有IT部门全面管控的情况下直接用原始数据做决策。这种做法不仅会带来巨大的运营、数据和隐私风险，还会导致数据血缘关系模糊不清。
1.随意移动和存储数据会造成效率低下。
2.如果在数据湖仓中存在多个被不同人员过滤和处理过的数据副本，AI智能体将无法识别和理解这些差异。
二、美国运通的破局之道：聚焦“分析”与“治理”
为了让员工和AI智能体能在安全的框架内生成洞察，美国运通将重点放在了数据的整理与部署上：
1.寻找“黄金数据源”：利用AI技术抓取和分析公司数据的冗余度、过时性和琐碎细节，提炼出最权威的“黄金数据源”，为未来的智能体指明方向。
2.AI辅助元数据管理：让生成式AI在各种结构化和非结构化的数据环境中穿梭，为业务元数据的管理提供建议。
3.严控AI准入门槛：建立基于风险的数据管理层，严格评估数据质量和治理控制水平。只有当数据达到最低管控标准时，才允许生成式AI介入。
三、“与数据对话”的实践与挑战
目前，美国运通已经在受严格管控的环境下试点了“与数据对话”（talk to my data）的生成式AI功能。但在早期测试中，团队遇到了AI幻觉以及不同测试者对同一问题得到不同答案的挑战。
吉福德强调，仅仅把数据搬到现代平台上并加上管控是远远不够的。“必须在元数据、本体论、语义层、知识图谱以及主数据和参考数据管理上进行大量投资，才能更好地控制这些问题，并最终在AI分析的速度、准确性和普及率上获得回报。”
这家全球性的支付公司正致力于研究在智能体AI（Agentic AI）时代，如何为分析工作有效地整理和部署数据。
来源：美国运通
多年来，“数据民主化”一直是个热门词汇，但美国运通首席数据官克里斯·吉福德（Chris Gifford）认为，将思路转变为“让分析普及化”会大有裨益。让分析工具变得更易获取，能够使整个企业内的员工以及AI智能体在受监管的框架内生成洞察，并据此采取行动。 “这不仅仅是收集数据，然后再把数据堆砌起来，”他说。“关键在于我们如何加速数据分析的进程，从而缩短将洞察转化为实际行动的时间。”
吉福德的整个职业生涯都在受到严格监管的金融服务行业度过，他表示，企业中的许多人对数据民主化产生了误解，认为这意味着他们应该被赋予从受控环境中提取数据的能力，并在没有IT总体管控的情况下使用数据进行决策。这种想法会带来运营、数据和隐私方面的风险。 “停止从我们的环境中提取数据，我就会把所有的控制权交给你们，”他说。“我会负责数据元素和新数据源的快速扩充，甚至会提供让你们能够进行前沿分析的工具。你们的个人分析智能体很快就会开始运行分析工作了。”
一、评估不确定性
吉福德指出，除了风险之外，允许员工访问原始数据，并可能让他们能够在治理管控范围之外移动和存储数据、模糊数据血缘关系，这会造成效率低下，使得利用生成式AI和AI智能体变得困难得多。 “人们逐渐意识到，我们过去管理、开放和分发数据的方式可能并不是未来的最佳选择，特别是如果我们要启用AI智能体的话，”吉福德说道。“如果你拥有多个数据副本，且这些副本针对不同人员存入湖仓架构的不同使用场景进行了过滤或处理，智能体是无从知晓这些差异的。”
因此，美国运通在实现分析普及化方面，主要集中于整理和部署可供消费的数据，探索如何超越湖仓架构，使其易于被人类、API和智能体使用。 吉福德的团队利用AI来检索公司的数据、用例、冗余、过时和无价值信息，然后评估这些数据的“黄金数据源”（golden sources），以便为未来的智能体指明方向。
“我们也越来越倾向于让生成式AI对业务元数据提供建议，”他说。“它可以在各种结构化和非结构化的数据环境中进行检索，以帮助我们理清头绪。” 除了整理和部署，该公司已经开始试点并测试“与我的数据对话”功能，该功能允许用户使用生成式AI提出分析问题。
“在一个应用了黄金数据源、护栏和其他治理控制的极其受限的环境中，我们开启了‘与我的数据对话’功能，并开始对其进行实验，”吉福德说。“我们认识到，仅仅把你的数据从当前或历史存储转移到现代平台上，然后再对其施加治理和管控，是远远不够的。” 在早期实验中，不同的测试者对相同的问题会得到不同的答案，且幻觉（hallucinations）也是一个问题。
“通过增加元数据、本体论、语义层、知识图谱、主数据管理和参考数据管理，可以更好地控制这类情况，”吉福德说。“在这些方面的巨额投资，只有在分析领域中提升这些AI功能的速度、准确性和采用率上，才能得到回报。”
二、公司重新校准
美国运通在数据管理上采取基于风险的方法，根据数据的敏感程度和组织风险状况，实施不同级别的安全、治理和合规控制措施。随着公司逐步利用AI进行分析，吉福德表示，有必要建立一个新的数据管理层，用于评估数据在生成式AI和AI智能体应用中的准备情况。
“这一层需要明确规定，数据的质量以及对数据的治理管控必须达到最低限度，只有这样我们才愿意将生成式AI应用于其上，”他说。
