Fivetran发布了一项最新的研究，显示近一半的企业报告称，尽管在人工智能和数据中心化方面采取了大胆的战略和大量投资，但人工智能项目延迟、表现不佳甚至失败。这项由Redpoint Content进行的调查强调，数据准备不足是人工智能执行的主要障碍，导致成本增加、创新停滞和收入损失。
尽管57%的组织认为他们的数据集中化策略非常有效，但几乎相同比例的组织表示，超过一半的人工智能项目未能交付。这种脱节是指数据没有完全集中、管理或实时提供给人工智能模型。从集成瓶颈到管道维护负担，企业陷入了管理基础设施的困境，而不是通过人工智能提供商业价值。
Fivetran人工智能和数据准备调查的主要发现
42%的企业表示，由于数据准备问题，超过一半的人工智能项目被推迟、表现不佳或失败。
68%的数据集中化不足一半的组织报告称，与失败或延迟的人工智能项目有关的收入损失。
67%的集中式企业将超过80%的工程资源用于维护数据管道。
59%的企业表示，监管合规是他们管理人工智能数据的最大挑战。
无法执行的人工智能野心正在让企业付出代价，AI性能不佳不仅仅是一个技术问题。这是一种商业风险。研究发现：
38%的企业报告称，由于人工智能项目失败，运营成本增加；
降低客户满意度和保留率是人工智能项目失败的最常见后果。
自动化和集成解锁AI成功
该报告呼吁企业使用自动化集成工具对其数据基础设施进行现代化改造，以降低管道复杂性并释放工程资源。受访者提到的首要投资重点包括：
65%的人计划投资数据集成工具，作为实现人工智能的主要策略。
近四分之三的企业管理或计划管理500多个数据源，这加大了对可扩展、自动化解决方案的需求。
到底是什么阻碍了人工智能的成功
调查发现，许多企业正在努力超越试点人工智能项目，因为他们无法有效地准备、整合或操作他们的数据。数据揭示了几个关键痛点：
74%的企业管理或计划管理500多个数据源，造成了巨大的集成复杂性。
67%的高度集中的企业仍然花费超过80%的数据工程资源来维护管道，几乎没有时间进行人工智能创新。
41%的组织报告称，缺乏实时数据访问阻碍了人工智能模型提供及时的见解。
29%的企业表示，数据孤岛阻碍了人工智能的成功。
在这些挑战得到解决之前，组织将继续在人工智能性能方面苦苦挣扎，无法释放其投资的全部价值。
人工智能准备程度的地区和行业差异
这些问题并不局限于任何一个部门。由于更强大的自动化和数据集成策略，医疗保健和零售等行业在人工智能准备方面处于领先地位。金融和制造业等行业继续与遗留系统和集成限制作斗争。
地区差异也很显著。亚太地区以8.8分（满分10分）的人工智能就绪度领先于其他所有地区，其次是美国，为8.2分。由于整合战略薄弱和基础设施分散，英国以6.0分落后。
该调查由Redpoint Content于2025年第一季度进行。它收集了来自美国、英国、欧洲、中东、非洲和亚太地区的401名数据领导者和专业人士的回复。受访者代表了技术、金融、医疗保健、零售和制造业的企业，员工人数从500人到5000多人不等。
热门跟贴