您的企业是否为 AI 做好准备？避免落后的 5 种方法

快速阅读: 据《ZDNet》称，咨询公司卡瑟尔斯和杰克逊的报告显示，仅7%的组织不使用任何形式的人工智能，比去年的26%显著下降。尽管人工智能的采用速度加快，但也带来了数据环境复杂化的问题。为应对这一挑战，组织应制定正式数据策略、建立治理框架、加强伦理实践、培训员工及关注必要数据。此外，文章还提到了2025年最佳编程人工智能工具及其使用方法。

尤金·米姆林/盖蒂图片人工智能变革正在加快步伐。咨询公司卡瑟尔斯和杰克逊最近发布的《数据成熟度指标》报告显示，只有7%的组织不使用任何形式的人工智能，这一比例从去年的26%显著下降。卡瑟尔斯和杰克逊的首席执行官卡罗琳·卡瑟尔斯告诉ZDNET，采用速度证明生成式人工智能和机器学习已成为常态业务技术。“越来越多的组织公开承认正在使用人工智能，”她说。“我们认为我们已经跨越了临界点。人工智能已证明其有用性。”

然而并非都是好消息。卡瑟尔斯和杰克逊的报告表明，人工智能的快速采用使数据环境变得更加复杂化。虽然更多的企业正在拥抱人工智能，但他们尚未准备好应对自动化水平的提升，也无法充分利用部署的新技术。对于希望克服这一挑战的业务领导者，这里有五种方式来准备组织进行人工智能转型。

1. 制定正式的数据策略
专家建议，有效数据策略对帮助组织安全成功地应用人工智能至关重要。然而，报告发现，超过四分之一（26%）的组织依然缺乏正式数据策略。卡瑟尔斯表示，业务领导者无需制定冗长的战略文件。一个好的数据策略可以是更广泛商业战略的一部分，传达组织如何管理和重视信息。该策略必须聚焦于正确领域——找准重点是关键。“我常看到许多组织声称拥有数据策略，但实际上这只是技术生态系统战略，”她说。“因此，它涉及客户关系管理系统、数据湖等IT系统。”

2. 建立定制化治理框架
超过三分之一（39%）的组织报告称几乎没有或没有治理框架。尽管这些数字较前几年有所改善，但报告指出，这凸显了基础数据管理实践中的持续不足。卡瑟尔斯表示，她的组织详细调查了这一发现，发现人们意识到一刀切的数据治理方法并不适用。“我们进行了调查，发现人们意识到在数据治理方面一刀切的方法并不适用，”她说。“因此，一些组织并未全面实施数据治理框架。但它们了解自身数据的关键部分并妥善处理这些信息。”

3. 加强伦理实践
行业专家普遍认识到，忽视人工智能风险的危险性。然而，报告显示，虽然44%的组织在人工智能方面的伦理讨论有所增加，但只有13%的组织将这些讨论正式化为结构化政策。卡瑟尔斯表示，现在重点必须放在将伦理考量设置时间限制并转化为实际措施上。“伦理常常是一个人们长期讨论却难以形成结论的领域，”她说。“成功在于对伦理考量设置时间限制，并说，‘好吧，我们将辩论到一个设定点，然后必须做出决定并继续前进。’”

4. 培训合适的人
报告还强调，虽然53%的受访者报告称人工智能使用量增加，但超过一半（57%）的人表示大多数员工仍缺乏数据素养。卡瑟尔斯表示，业务领导者谈论提升数据素养已有十多年之久，而感知到的进步缓慢令人担忧。她建议高管采取更有针对性的培训和发展方法。“太多组织试图让每个人都具备数据素养，”她说。“例如，许多公司提供数据学徒计划，这可能非常棒。但你必须问，‘学徒完成后你会怎么安排这些人？’”

5. 关注决策所需的必要数据
随着数据复杂性的增加，组织必须解决诸如低效或不安全的数据流等基础问题，报告中40%的受访者提到过这些问题。卡瑟尔斯表示，数据流动问题有两个方面。首先，一些组织中的数据团队无法访问所需数据，因为这些数据存储在遗留系统中或根本未被收集。“水管不存在将信息传递给那些利用数据做决策的人，”她说。其次，一些组织未能理解向专业人员提供多少数据。“数据科学家有点像《恐怖小店》里的植物，”她说。“你永远无法给他们足够的数据，所以他们会一直说‘我想要更多’，因为这就是这个行业的本质。”卡瑟尔斯鼓励业务领导者更加仔细地思考组织内部的信息流动。“关注你决策所需的必要数据，”她说。“识别出你决策所需的必要数据，然后从这一点逆向操作。”

2025年最佳编程人工智能工具（以及不要使用的工具——包括DeepSeek R1）
我测试了DeepSeek的R1和V3编程技能——我们还不至于绝望（至少现在还未如此）
如何从你的Microsoft 365计划中移除Copilot
如何在MacOS上安装LLM（以及为什么你应该这样做）

(以上内容均由Ai生成)