当企业AI项目未能达到预期效果时，72%的AI决策者表示根本原因在于数据基础薄弱，这是根据Harris Poll对300名数据管理、隐私及AI决策者的调查得出的结论。该调查由软件公司Collibra委托开展。
调查发现，决策者正在重构运营模式，以更好地协调智能与数据治理。对53%的决策者而言，这意味着将AI职能的汇报线调整为更靠近数据组织。在企业中，58%正致力于为AI输出建立清晰的内部问责机制。
“企业需要知道哪些智能体正在运行、由谁负责、它们能够访问哪些数据和系统，以及它们被授权执行哪些操作，”Collibra联合创始人兼首席执行官Felix Van de Maele在给CIO Dive的邮件中表示。“如果缺乏这种可见性，治理漏洞往往要等到出问题后才会被发现。”
数据是AI智能体运行的关键基础——如果缺乏这一基础，领导者将被迫手动监督那些本应由智能体加速处理的任务。
调查发现，由于缺乏结构化的上下文和运行时治理，人工监督的需求正在增加：87%的决策者表示，他们的团队会定期检查智能体可用的上下文信息是否准确和及时。超过一半的受访者表示，员工需要花费数小时手动审查和纠正AI智能体的输出结果。
Van de Maele表示，构建面向智能体的数据基础意味着采取一系列措施，例如在整个业务范围内统一定义标准，并将政策编码化，使智能体能够在执行操作时进行核查。
Van de Maele指出，企业数据长期以来主要面向人类使用——用于查看仪表盘和进行分析。如果数据看起来有误，人类会对其提出质疑，并“补充数据本身无法提供的上下文信息”。
“智能体改变了这一切，”Van de Maele说。“当某个定义模糊不清或上下文信息缺失时，智能体仍然可以自信地给出答案并据此采取行动。因此，这项工作不仅仅是清理更多数据。企业需要以机器能够理解和使用的形式提供上下文信息：这些数据意味着什么？我现在能信任它吗？我被允许用它做什么？”
根据谷歌云与麻省理工科技评论洞察今年8月发布的一份报告，扩展AI智能体规模意味着企业需要强大的数据基础，同时技术层面也需要更好地访问这些数据。报告发现，目前AI平均只能访问企业45%的数据，且只有一半的组织信任其AI智能体输出的结果具有相关性和准确性。
企业不仅需要高质量的数据访问权限，以确保AI智能体正常运行并实现技术价值，还需要为未来可能出现的监管障碍做好准备。根据Collibra和Harris Poll的调查，十分之九的企业领导者正在积极为美国及全球范围内的AI监管做准备，其中51%的企业领导者正在投资于数据血缘追踪和文档记录。
来自OpenAI、Anthropic、微软和SpaceX等公司的高管此前曾呼吁放缓AI发展速度，指出目前缺乏能够跟上前沿模型能力发展的安全框架。
佛蒙特州独立参议员伯尼·桑德斯计划提出一项法案，暂时暂停先进AI的开发。在州一级，加利福尼亚州州长加文·纽森近期签署了两项AI法案，为大语言模型建立了独立审计框架。而在欧洲，欧盟《AI法案》中关于AI素养义务以及禁止不可接受用例的条款已于8月正式生效。
Q&A
Q1：企业AI项目失败的根本原因是什么？
A：根据调查，72%的AI决策者认为企业AI项目未达预期的根本原因是数据基础薄弱，缺乏结构化上下文和有效的数据治理机制。
Q2：AI智能体需要访问多少企业数据才能有效运行？
A：目前AI平均只能访问企业45%的数据，且只有一半的组织信任其AI智能体输出的结果具有相关性和准确性，这限制了智能体的实际效用。
Q3：企业如何应对即将到来的AI监管？
A：根据调查，十分之九的企业领导者正在积极为美国及全球AI监管做准备，其中51%的企业领导者正在投资于数据血缘追踪和文档记录，以应对潜在的合规要求。
