当前生成式AI项目实施现状 - 高达95%的生成式AI试点项目未能对公司损益产生明显影响 [1] - 随着AI投资增长，许多企业面临资源浪费在无法产生可衡量价值项目上的风险 [2] 项目未能达到预期的核心原因 - 95%的欧盟企业认为复杂的监管要求阻碍了其生成式AI项目 [3] - 根本问题不在于模型缺陷，而在于AI所依赖的底层数据 [3] - 薄弱的数据管理导致不良结果，即使数据质量高，也常缺乏成功驱动AI所需的上下文、连通性和治理 [3] 成功实施AI的数据战略要求 - AI需要被投喂不仅准确、且相关、负责任和可靠的数据 [4] - 企业需对支撑AI的数据采取真正全面的方法以超越5%的成功率 [4] - 许多公司急于求成，在项目上线过程中忽略了正确的数据战略 [5] 企业应采取的关键步骤 - 公司应首先定义清晰的业务用例并确定支持这些用例所需的数据 [6] - 业务领导者必须积极参与此过程并提升数据素养，而非仅将其视为数据或IT部门的责任 [6] - 下一步是识别所有潜在数据源并设计能从中提取数据的管理架构 [7] - 该架构需以正确格式在正确时间编译、清理、标准化和交付正确数据，大规模确定和分析元数据至关重要 [7]