AI 令人难以忽视的事实：它的魔力无法修复您的不良数据

快速阅读: 据《媒体邮报》最新报道，本文探讨了人工智能的局限性，强调高质量数据对AI成功的重要性。指出AI需依赖良好数据治理、组织支持及人类监督，而非单纯依赖技术。广告业应重视数据准备与验证，避免盲目依赖AI，确保其输出准确可靠。

由特约评论员劳拉·麦克尔希尼撰稿
74分钟前

当我随意向大型语言模型（如ChatGPT、Claude、Gemini以及最新发布的DeepSeek）输入提示时，我期望能立刻体验到那种神奇的效果。有时候，我的期望确实得到了满足，甚至有时结果的价值超出我的想象。然而，在其他一些情况下，我需要多次提示才能获得可用的答案。当然，还有一些时候，嗯……直接说吧，我得到的是一堆垃圾：虚构的统计数据和答案（即所谓的“幻觉”），或者仅仅是胡言乱语。

这一切都可以归结为提示的质量以及引导大型语言模型或其他人工智能工具的数据质量。简而言之，人工智能的确速度快，而且绝对聪明。但它的表现完全取决于它被要求完成的任务，以及生成可操作输出的信息质量。

随着人工智能不断颠覆广告行业的创意和分析生产方式，我们所有人都必须更多地思考智能是如何发生的，无论是人工的还是其他形式的智能。

广告
广告
广告

**人工智能的不便真相**

每个人都在使用人工智能——无论他们是否有真正的理由或对这项技术的理解。我们的同事和竞争对手也在使用它。因此，我们也必须使用它。这是对落后的恐惧尤为强烈的时代。

但是，就像任何其他工具一样，如果没有经过培训或没有明确指导就使用它，只会导致糟糕的结果。

在匆忙实施人工智能的过程中，所有企业都发现了一个不便的事实：即使是最先进的AI系统也只能与它们所基于的数据一样好。

虽然媒体头条关注的是人工智能的创造力以及数据收集与分析自动化的潜力，但成功的AI运作并非那么引人注目却同样关键的基础在于数据准备、组织和质量控制。

在匆忙实施人工智能的过程中，所有企业都发现了一个不便的事实：即使是最先进的AI系统也只能与它们所基于的数据一样好。

我们都明白这一点，却……

如果基础有问题，别指望人工智能能构建出经得起最轻微风吹的高楼大厦。

想象一下摄影师在处理损坏的图像文件。“哦，人工智能会修复它。”嗯，不行，它做不到。人工智能只能增强图像文件本身已有的内容。

对于任何来源材料来说都是如此。如果你的图像数据受损，每个滤镜和调整只会放大缺陷。

对于人工智能来说，糟糕的数据质量不仅会让图片失真，还会从根本上扭曲每一场活动、每一个洞察和每一个决策的内容，这些内容正在被自动化。

是的，我们的职业发展和业务成败取决于掌握这些系统。但“掌握”意味着在按下快门或输入数据分析之前确保清晰的输入内容。

鉴于人工智能的快速迭代，更别说其新颖性，没有人能够真正自称是专家。但我们都被期待表现得像个专家。这种现象已经渗透到许多人工智能的应用中。

你可以让一个人工智能模型给你想要的任何结果。但这并不意味着你会得到你希望的结果。这就像做父母——如果你总是问孩子同样的开放性问题，他们会告诉你你想听到的话。

这种动态给渴望利用人工智能巨大潜力的组织造成了重大挑战。

人工智能革命从客户细分到预测分析的承诺令人信服。但若缺乏适当的数据治理和准备，这些计划可能导致不可靠甚至误导性的结果。

**数据准备不能自动化**

这是人类智能在机器背后指导它的结果。

有效实施人工智能的道路需要组织在数据战略上进行根本性的转变。

与其将人工智能视为即插即用的解决方案，公司首先需要解决现有的数据挑战。

有效实施人工智能的道路需要组织在数据战略上进行根本性的转变。

如果你今天的问题不解决，人工智能不会为你解决。你必须解决根本原因。

这意味着在深入人工智能实施之前，建立强大的数据收集、验证和维护流程。

组织必须确保数据已准备好。这意味着不仅仅是访问大量数据。还涉及相关、当前且无偏见的信息。这需要持续的整理和验证——一个无法被自动化取代的过程。

考虑自动驾驶汽车的平行情况。尽管技术令人印象深刻，但现实世界的实施挑战凸显了AI系统难以应对各种可能场景的难度。

自动驾驶汽车可能在未来五到十年内成为主流——我们会看到。但目前，自动驾驶车辆需要有人的手握方向盘，并且注意力集中在道路上发生的事情上。

类似的挑战存在于商业应用中——消费者行为变化，市场条件改变，新的变量出现，而这些在历史数据中并不存在。

解决方案不是放弃人工智能计划。相反，广告商、代理机构和数据科学专家需要以清楚了解成功所需的知识来对待人工智能。

首先，建立强有力的数据治理框架。在尝试应用人工智能解决方案之前，组织需要明确的数据收集、存储和维护协议。这包括解决安全问题并确保符合相关法规。

其次，必须从组织的各个方面获得支持。人工智能计划需要跨部门的支持，因为数据质量影响并受多个利益相关者的影响。这意味着让高管管理层参与进来，并促进技术和业务团队之间的合作。

第三，实施强有力的培训和评估制度。组织需要人类专业知识来验证人工智能输出是否符合预期结果。数据现在甚至永远都无法自行驱动。

整个广告行业倾向于将人工智能视为世界上最快的制作室。给予它获奖级的故事板，它可以轻松实现大规模创作。给予它混乱的指令、矛盾的信息、不准确或不完整的数据，它就会大规模生产巨大的失败。

当我们的数据缺乏清晰度或真实性时，我们不只是犯错——我们在每个渠道、每个平台上自动化这些错误。

至少在可预见的未来，人工智能需要人类专家和人类智慧来保持诚实和正确方向。这就是现在的工作。

(以上内容均由Ai生成)