首页企业在数据限制下应对人工智能实施障碍
几年前，"大数据 "这一热门词汇曾主导着商业技术领域--它指的是企业积累的大量信息，有望发现新的运营方法并提出最佳战略方向。
如今越来越清楚的是，企业在有效利用大数据方面遇到的挑战依然存在，而正是一种新技术--人工智能--的出现使这些问题再次成为焦点。如果不解决困扰大数据的根本问题，人工智能的实施注定会失败。
那么，究竟是什么阻碍了人工智能发挥其潜力呢？
大多数障碍来自数据资源本身。为了理解这个问题，请考虑一下在典型工作日中使用的各种信息来源。
在中小型企业（SME）中：
- 保存在用户笔记本电脑、Google Sheets 或 Office 365 云存储中的电子表格。
- 客户关系管理 (CRM) 平台。
- 同事、客户和供应商之间的电子邮件通信。
- Word 文档、PDF 文件和在线表格。
- 即时通讯应用程序。
在大型企业中：
- 上述所有来源，外加
- 企业资源规划 (ERP) 系统。
- 实时数据流。
- 数据湖。
- 支持各种独立应用程序的独立数据库。
需要注意的是，这份简短的清单并不详尽，也无意详尽。其目的在于说明，即使只有五个要点，信息也可能分散在大约十几个位置。大数据所需要的--而且现在仍然经常需要--以及人工智能计划所依赖的，是一种将这些不同元素统一起来的方法，以便计算机算法能够有效地解释它们。
在 Gartner 的 "2024 年人工智能炒作周期"（2024 Hype Cycle for Artificial Intelligence）中，人工智能就绪数据（AI-Ready Data）被定位在上升斜坡上，估计两到五年后才能达到 "生产力高原"。鉴于人工智能系统依赖于挖掘和提取数据，大多数组织--不包括规模最大的组织--都缺乏必要的基础架构。因此，它们可能在一到四年内都无法从人工智能驱动的支持中受益。
人工智能部署面临的核心挑战与大数据计划在炒作周期中遇到的阻碍如出一辙--从创新触发、期望膨胀的高峰、幻灭的低谷、启蒙的斜坡到生产力的高原。数据以多种格式存在；数据可能不一致；数据可能遵循不同的标准；数据可能不准确或有偏差；数据可能包含高度敏感的信息，也可能是过时和不相关的信息。
如今，转换数据使其为人工智能做好准备的过程依然至关重要，甚至比以往任何时候都更为重要。希望尽早获得优势的公司可以尝试使用众多可用的数据处理平台。根据常见的建议，它们可以从有限的、离散的项目开始，将其作为评估新兴技术有效性的试验平台。
现代数据准备和组装系统的一个主要优势是，它们经过专门设计，可以组织企业的信息资源，供人工智能价值创造平台使用。例如，它们可以结合精心编码的防护栏，帮助确保数据合规性，防止用户访问有偏见或商业敏感的信息。
然而，创建连贯、安全和结构良好的数据资源仍然是一个持续的挑战。随着企业在日常运营中积累更多的数据，维护最新且可访问的数据资源是一项持续的工作。虽然大数据通常被视为静态资产，但用于人工智能消费的数据必须尽可能接近实时地进行准备和处理。
因此，企业必须在机会、风险和成本三者之间取得微妙的平衡。对于现代企业来说，选择合适的供应商或平台从未像现在这样至关重要。
(资料来源"商学院内部"，作者 Darien 和 Neil，采用 CC BY-NC 2.0 许可。）
有兴趣从顶级行业专家那里了解更多有关人工智能和大数据的信息吗？参加在阿姆斯特丹、加利福尼亚和伦敦举办的人工智能与大数据博览会。这一综合性活动是 TechEx 的一部分，并与其他顶级技术会议同期举行。单击此处了解更多详情。
人工智能新闻由 TechForge Media 为您提供。点击此处了解更多即将举行的企业技术活动和网络研讨会。
相关文章
如何修复核心网页指标以获得更好的 SEO 排名
利用 AI 工具简化成绩单评语撰写引言用于生成成绩单评语的 AI 工具Magic SchoolAlmanac AIChat GPT使用 Magic School 生成成绩单评语登录 Magic School选择成绩单评语工具为学生定制评语使用 Almanac AI 生成成绩单评语设置课程与评分方案配置评语长度与学生信息使用 Almanac AI 生成评语比较 Magic School 与 Almanac AI设置的便捷性可定制性与课程内容的整合速度与效率使用
Slackbot 成为 AI 智能体
Slackbot，嵌入在Salesforce企业消息平台Slack中的自动化助手，正在演变为一个AI智能体。Salesforce首席技术官Parker Harris设想它将达到与OpenAI的ChatGPT相媲美的病毒式传播地位。这家云软件巨头于周二推出了更新版的Slackbot。该新版AI驱动版本面向Business+和Enterprise+客户，可直接在Slack内查找信息、起草电子邮件和安排会议。在获得适当权限的情况下，它还能与Microsoft Teams和Google Drive等企
字节跳动加大核心AI激励，豆包增长14.6%
字节跳动近日召开豆包股权说明会，公布面向豆包部门员工的最新激励政策。豆包股票的行权价已从2026年6月的14.85美元上调至17.02美元，涨幅约为14.6%。此次调整不仅提升了豆包股票的估值，还大幅扩大了其覆盖范围。根据员工岗位的不同，部分员工可能获得相当于其总薪酬约5%的豆包股票。根据新的兑换机制，字节跳动允许员工在整体薪酬包中，将部分现金工资兑换为豆包股权。兑换比例因职级而异，设有20%和30%等不同档位。例如，L2和L3级员工可选择20%的全覆盖兑换比例，而L3和L4级员工的该比例可
相关专题推荐
教育与学习
用于作业和考试备考的AI学习工具
2026年最新最佳AI学习工具，助您轻松完成作业和备考！XIX.AI精心筛选出一份广受好评的顶级工具清单，这些功能强大、颠覆传统的工具经过实际测试，能帮助学生提升效率、简化作业流程，并轻松通过考试。 获取免费版与付费版的对比分析、详细排名以及必试选项，释放你的AI优势。立即探索！
10 个工具
xix.ai
音乐创作
面向词曲创作者、旋律片段、主旋律及多语言草稿创作的AI人声演示工具
2026 年最新最佳 AI 人声演示工具，专为词曲创作者、旋律创作者和多语言内容团队打造！XIX.AI 精心整理了一份经过严格真实世界测试的高评分、变革性工具列表。您将找到详细的免费与付费对比数据、全面排名以及必试选项，帮助您提升创作效率并释放创意潜力。立即探索，发现满足您所有内容需求的完美工具！
9 个工具
xix.ai
商业
适合中小企业的最佳AI竞品分析工具
2026年最新最佳、评价最高的中小企业AI竞争研究工具！XIX.AI精心精选了一系列功能强大、颠覆行业格局的工具，每周都会根据严格的实际测试和详细排名进行更新。您可以查看全面的免费版与付费版对比，从而找到那些能提升工作效率、助您赢得竞争优势的必试工具。 立即探索，发现最适合您的工具！
9 个工具
xix.ai
图像编辑
用于电商服装、皮肤清洁和色彩一致性的 Photoshop AI 修图工具
2026 年最新最佳 Photoshop AI 修图工具，适用于电商服装、皮肤清洁和色彩一致性！这份顶级精选列表包含强大的变革性解决方案，可帮助您提升写作效率、简化内容创作并轻松实现完美的视觉效果。每个工具都经过实际测试，并通过每周更新的排名进行验证，同时提供免费与付费版本的详细对比。由 XIX.AI 支持，这是任何希望发挥 AI 优势的人必试指南。立即探索！
10 个工具
xix.ai
提示词
适用于 ChatGPT 工作流的最佳 AI 提示词库
2026年最新、最受好评的AI提示词库，可优化各类ChatGPT工作流程。XIX.AI精心整理了一套功能强大、具有颠覆性的提示词库，均经过严格的实际测试，以确保最佳性能。 您可以查看详细的免费版与付费版对比分析以及专家排名，这些内容将帮助您挑选出必试的工具，从而提升工作效率并释放您的AI优势。立即探索！
11 个工具
xix.ai
教育与学习
面向教师、辅导老师和基于群体的学习项目的 AI 测验构建平台
2026年最新最佳AI测验构建平台，适用于教师、辅导老师和基于群体的学习项目！XIX.AI精心整理了一份顶级评分列表，包含经过现实世界测试的强力变革性工具，以提供准确的排名。这些必试平台有助于提高写作效率、简化内容创作，并简化各种学习场景中的测验设计。立即探索，发现您解锁教学AI优势的理想工具！
13 个工具
xix.ai
评论 (3)
0/500
![JohnAllen]()
Honestly, the shift from 'Big Data' hype to 'AI Implementation' struggles feels like we're just hitting the same wall with a fancier name. Companies hoarded data without a real plan, and now they're stuck trying to make sense of it all for AI. It's less of a tech problem and more of a strategy one. 🤷♂️
![HarryLewis]()
이 기사 읽고 한국에서도 똑같은 문제를 겪는 회사들이 많다는 게 공감돼요. 데이터 부족에 머신러닝 성능이 제한되는 현실, 우리 회사에서 AI 프로젝트 할 때도 비슷했어요. 재무팀 쪽에서는 정형화된 데이터가 많은데 영업팀 데이터는 너무 흩어져 있고… 결국 데이터 정제하는 데 시간 다 쓰고 진짜 AI 구현은 뒷전이었던 기억이 나네요. 혹시 이 글에서 언급한 '데이터 부족'을 해결할 구체적인 솔루션 예시가 더 있었으면 좋겠어요! 🤔
![WillieJackson]()
Parece que los datos vuelven para vengarse 🔍. Recuerdo cuando todo era 'Big Data' como solución mágica, y ahora las empresas se topan con pared por falta de datos de calidad para entrenar sus IA. Me pregunto si este ciclo de hype→problema→nuevo hype es inevitable en tecnología. ¿Acabaremos viendo 'Big Data 2.0' como la próxima promesa? 😅 Algo me dice que el verdadero desafío no es la cantidad, sino cómo organizamos y usamos lo que ya tenemos.
几年前，"大数据 "这一热门词汇曾主导着商业技术领域--它指的是企业积累的大量信息，有望发现新的运营方法并提出最佳战略方向。
如今越来越清楚的是，企业在有效利用大数据方面遇到的挑战依然存在，而正是一种新技术--人工智能--的出现使这些问题再次成为焦点。如果不解决困扰大数据的根本问题，人工智能的实施注定会失败。
那么，究竟是什么阻碍了人工智能发挥其潜力呢？
大多数障碍来自数据资源本身。为了理解这个问题，请考虑一下在典型工作日中使用的各种信息来源。
在中小型企业（SME）中：
- 保存在用户笔记本电脑、Google Sheets 或 Office 365 云存储中的电子表格。
- 客户关系管理 (CRM) 平台。
- 同事、客户和供应商之间的电子邮件通信。
- Word 文档、PDF 文件和在线表格。
- 即时通讯应用程序。
在大型企业中：
- 上述所有来源，外加
- 企业资源规划 (ERP) 系统。
- 实时数据流。
- 数据湖。
- 支持各种独立应用程序的独立数据库。
需要注意的是，这份简短的清单并不详尽，也无意详尽。其目的在于说明，即使只有五个要点，信息也可能分散在大约十几个位置。大数据所需要的--而且现在仍然经常需要--以及人工智能计划所依赖的，是一种将这些不同元素统一起来的方法，以便计算机算法能够有效地解释它们。
在 Gartner 的 "2024 年人工智能炒作周期"（2024 Hype Cycle for Artificial Intelligence）中，人工智能就绪数据（AI-Ready Data）被定位在上升斜坡上，估计两到五年后才能达到 "生产力高原"。鉴于人工智能系统依赖于挖掘和提取数据，大多数组织--不包括规模最大的组织--都缺乏必要的基础架构。因此，它们可能在一到四年内都无法从人工智能驱动的支持中受益。
人工智能部署面临的核心挑战与大数据计划在炒作周期中遇到的阻碍如出一辙--从创新触发、期望膨胀的高峰、幻灭的低谷、启蒙的斜坡到生产力的高原。数据以多种格式存在；数据可能不一致；数据可能遵循不同的标准；数据可能不准确或有偏差；数据可能包含高度敏感的信息，也可能是过时和不相关的信息。
如今，转换数据使其为人工智能做好准备的过程依然至关重要，甚至比以往任何时候都更为重要。希望尽早获得优势的公司可以尝试使用众多可用的数据处理平台。根据常见的建议，它们可以从有限的、离散的项目开始，将其作为评估新兴技术有效性的试验平台。
现代数据准备和组装系统的一个主要优势是，它们经过专门设计，可以组织企业的信息资源，供人工智能价值创造平台使用。例如，它们可以结合精心编码的防护栏，帮助确保数据合规性，防止用户访问有偏见或商业敏感的信息。
然而，创建连贯、安全和结构良好的数据资源仍然是一个持续的挑战。随着企业在日常运营中积累更多的数据，维护最新且可访问的数据资源是一项持续的工作。虽然大数据通常被视为静态资产，但用于人工智能消费的数据必须尽可能接近实时地进行准备和处理。
因此，企业必须在机会、风险和成本三者之间取得微妙的平衡。对于现代企业来说，选择合适的供应商或平台从未像现在这样至关重要。
(资料来源"商学院内部"，作者 Darien 和 Neil，采用 CC BY-NC 2.0 许可。）
有兴趣从顶级行业专家那里了解更多有关人工智能和大数据的信息吗？参加在阿姆斯特丹、加利福尼亚和伦敦举办的人工智能与大数据博览会。这一综合性活动是 TechEx 的一部分，并与其他顶级技术会议同期举行。单击此处了解更多详情。
人工智能新闻由 TechForge Media 为您提供。点击此处了解更多即将举行的企业技术活动和网络研讨会。
如何修复核心网页指标以获得更好的 SEO 排名
利用 AI 工具简化成绩单评语撰写引言用于生成成绩单评语的 AI 工具Magic SchoolAlmanac AIChat GPT使用 Magic School 生成成绩单评语登录 Magic School选择成绩单评语工具为学生定制评语使用 Almanac AI 生成成绩单评语设置课程与评分方案配置评语长度与学生信息使用 Almanac AI 生成评语比较 Magic School 与 Almanac AI设置的便捷性可定制性与课程内容的整合速度与效率使用
Slackbot 成为 AI 智能体
Slackbot，嵌入在Salesforce企业消息平台Slack中的自动化助手，正在演变为一个AI智能体。Salesforce首席技术官Parker Harris设想它将达到与OpenAI的ChatGPT相媲美的病毒式传播地位。这家云软件巨头于周二推出了更新版的Slackbot。该新版AI驱动版本面向Business+和Enterprise+客户，可直接在Slack内查找信息、起草电子邮件和安排会议。在获得适当权限的情况下，它还能与Microsoft Teams和Google Drive等企
字节跳动加大核心AI激励，豆包增长14.6%
字节跳动近日召开豆包股权说明会，公布面向豆包部门员工的最新激励政策。豆包股票的行权价已从2026年6月的14.85美元上调至17.02美元，涨幅约为14.6%。此次调整不仅提升了豆包股票的估值，还大幅扩大了其覆盖范围。根据员工岗位的不同，部分员工可能获得相当于其总薪酬约5%的豆包股票。根据新的兑换机制，字节跳动允许员工在整体薪酬包中，将部分现金工资兑换为豆包股权。兑换比例因职级而异，设有20%和30%等不同档位。例如，L2和L3级员工可选择20%的全覆盖兑换比例，而L3和L4级员工的该比例可
2026年最新最佳AI学习工具，助您轻松完成作业和备考！XIX.AI精心筛选出一份广受好评的顶级工具清单，这些功能强大、颠覆传统的工具经过实际测试，能帮助学生提升效率、简化作业流程，并轻松通过考试。 获取免费版与付费版的对比分析、详细排名以及必试选项，释放你的AI优势。立即探索！
10 个工具
xix.ai
2026 年最新最佳 AI 人声演示工具，专为词曲创作者、旋律创作者和多语言内容团队打造！XIX.AI 精心整理了一份经过严格真实世界测试的高评分、变革性工具列表。您将找到详细的免费与付费对比数据、全面排名以及必试选项，帮助您提升创作效率并释放创意潜力。立即探索，发现满足您所有内容需求的完美工具！
9 个工具
xix.ai
2026年最新最佳、评价最高的中小企业AI竞争研究工具！XIX.AI精心精选了一系列功能强大、颠覆行业格局的工具，每周都会根据严格的实际测试和详细排名进行更新。您可以查看全面的免费版与付费版对比，从而找到那些能提升工作效率、助您赢得竞争优势的必试工具。 立即探索，发现最适合您的工具！
9 个工具
xix.ai
2026 年最新最佳 Photoshop AI 修图工具，适用于电商服装、皮肤清洁和色彩一致性！这份顶级精选列表包含强大的变革性解决方案，可帮助您提升写作效率、简化内容创作并轻松实现完美的视觉效果。每个工具都经过实际测试，并通过每周更新的排名进行验证，同时提供免费与付费版本的详细对比。由 XIX.AI 支持，这是任何希望发挥 AI 优势的人必试指南。立即探索！
10 个工具
xix.ai
2026年最新、最受好评的AI提示词库，可优化各类ChatGPT工作流程。XIX.AI精心整理了一套功能强大、具有颠覆性的提示词库，均经过严格的实际测试，以确保最佳性能。 您可以查看详细的免费版与付费版对比分析以及专家排名，这些内容将帮助您挑选出必试的工具，从而提升工作效率并释放您的AI优势。立即探索！
11 个工具
xix.ai
2026年最新最佳AI测验构建平台，适用于教师、辅导老师和基于群体的学习项目！XIX.AI精心整理了一份顶级评分列表，包含经过现实世界测试的强力变革性工具，以提供准确的排名。这些必试平台有助于提高写作效率、简化内容创作，并简化各种学习场景中的测验设计。立即探索，发现您解锁教学AI优势的理想工具！
13 个工具
xix.ai
Honestly, the shift from 'Big Data' hype to 'AI Implementation' struggles feels like we're just hitting the same wall with a fancier name. Companies hoarded data without a real plan, and now they're stuck trying to make sense of it all for AI. It's less of a tech problem and more of a strategy one. 🤷♂️
이 기사 읽고 한국에서도 똑같은 문제를 겪는 회사들이 많다는 게 공감돼요. 데이터 부족에 머신러닝 성능이 제한되는 현실, 우리 회사에서 AI 프로젝트 할 때도 비슷했어요. 재무팀 쪽에서는 정형화된 데이터가 많은데 영업팀 데이터는 너무 흩어져 있고… 결국 데이터 정제하는 데 시간 다 쓰고 진짜 AI 구현은 뒷전이었던 기억이 나네요. 혹시 이 글에서 언급한 '데이터 부족'을 해결할 구체적인 솔루션 예시가 더 있었으면 좋겠어요! 🤔
Parece que los datos vuelven para vengarse 🔍. Recuerdo cuando todo era 'Big Data' como solución mágica, y ahora las empresas se topan con pared por falta de datos de calidad para entrenar sus IA. Me pregunto si este ciclo de hype→problema→nuevo hype es inevitable en tecnología. ¿Acabaremos viendo 'Big Data 2.0' como la próxima promesa? 😅 Algo me dice que el verdadero desafío no es la cantidad, sino cómo organizamos y usamos lo que ya tenemos.
