根据IBM，阻碍企业人工智能的主要障碍不是技术本身，而是持续存在的数据孤岛问题。
IBM副总裁兼首席数据官Ed Lovely将数据孤岛描述为现代数据策略的“阿喀琉斯之踵”。可爱发表评论之前，IBM商业价值研究所发布了一项新的研究，发现人工智能已经准备好规模化，但企业数据还没有。
该报告调查了1700名高级数据负责人，发现功能数据仍然顽固地孤立存在。财务、人力资源、营销和供应链数据都是孤立运行的，没有共同的分类或共享标准。
这种分裂对人工智能项目产生了直接的负面影响。IBM副总裁兼首席数据官Ed Lovely表示:“当数据生活在互不相连的孤岛中时，每一项人工智能举措都变成了一个旷日持久的6至12个月的数据清理项目。“团队花更多的时间寻找和整理数据，而不是产生有意义的见解”。
这是对竞争优势的直接威胁。对于首席信息官和首席数据官来说，任务不再仅仅是收集和保护数据，而是有效地部署数据，为这些新的人工智能系统提供动力。
从数据管理员到价值驱动者
该研究的共识是，数据领导者必须坚持不懈地关注业务成果，92%的CDO同意他们的成功取决于这一关注点。
这就是核心矛盾所在:虽然92%的人以商业价值为目标，但只有29%的人相信他们有“明确的方法来确定数据驱动的结果的商业价值。”
这种野心和现实之间的差距就是能够学习和自主行动以实现目标的人工智能代理被期望提供帮助的地方。领导者对这些工具越来越有信心，在IBM的研究中，83%的CDO表示部署人工智能代理的潜在好处大于风险。
在全球医疗技术公司Medtronic，团队陷入了匹配发票、采购订单和交付证明的困境。通过部署人工智能解决方案，该公司自动化了这一工作流程。结果是，每张发票的文档匹配时间从20分钟减少到仅8秒钟，准确率超过99%。这使得工作人员可以从低价值的数据输入重新部署到高价值的工作。
同样，可再生能源公司Matrix Renewables实施集中式数据平台来监控其资产。这导致报告时间减少了75 %,代价高昂的停机时间减少了10%。
IBM发现人工智能障碍:架构、治理和人才缺口
实现这些结果需要一种新的数据架构方法，同时避免孤岛。将数据重新定位到中心湖的旧模式成本高昂、速度缓慢，正在被取代。IBM的研究发现，81%的CDO现在实践将AI引入数据，而不是将数据转移到AI。
这种方法依赖于现代架构模式，如数据网格和数据结构，它们提供了一个虚拟化层来访问数据所在的位置。它还支持“数据产品”的概念(为特定业务目的设计的打包的、可重用的数据资产，如“客户360”视图或财务预测数据集。)
然而，使数据更易于访问会带来治理方面的挑战。CDO-CISO联盟对于平衡速度和安全至关重要。数据主权尤其令人担忧，82%的CDO将其视为风险管理战略的核心部分。
然而，最大的障碍可能是人。该报告揭示了日益扩大的人才差距，这有可能阻碍进步。2025年，77%的CDO报告难以吸引或留住顶级数据人才，比2024年的62%大幅增加。
所需技能是一个不断变化的目标，这一事实加剧了这种稀缺性。IBM发现，82%的CDO正在“招聘去年不存在的与生成式人工智能相关的数据角色”。这种文化和技能的挑战通常是最困难的部分。
Yanmar Holdings公司的首席数字官Hiroshi Okuyama解释说:“改变文化很难，但人们越来越意识到他们的决定必须基于数据和事实，他们需要在做决定时收集证据。”
打开数据孤岛，启动企业人工智能
在技术方面，企业领导者必须支持远离孤立的数据资产。这意味着投资于现代的联合数据架构，并推动团队开发和使用可以在整个组织中安全共享和重用的“数据产品”。
其次，在文化方面，数据素养必须成为整个企业的优先事项，而不仅仅是一个IT问题。80%的CDO认为数据民主化有助于他们的组织更快地前进，这是正确的。这意味着培养一种数据驱动的文化，并投资于直观的工具，使非技术员工与数据的交互更加简单。
目标是将组织从运行孤立的人工智能实验提升到跨核心业务流程扩展智能自动化。成功的公司不会将数据视为应用程序的副产品，而是最有价值的资产。
IBM副总裁兼首席数据官Ed Lovely表示:“大规模的企业人工智能触手可及，但成功取决于组织为其提供正确的数据。对于CDO来说，这意味着建立一个无缝集成的企业数据架构，推动创新并释放商业价值。
“做好这一点的组织不仅会提高他们的人工智能，还会转变他们的运营方式，更快地做出决策，更快地适应变化，并获得竞争优势。”
