为任何地方的数据提供AI的唯一企业Cloudera株式会社（所在地：东京都中央区，社长运行役员：山贺裕二）宣布发布最新全球调查报告《数据准备度指数：解读成功的AI基础》，分析了企业在大规模运用AI方面的准备情况。该调查针对全球约1,300名IT领导者进行，结果显示虽然AI的导入正在推进，但许多企业尚未充分创建其实现成功所需的数据基础。特别值得注意的是调查结果显示出显著的矛盾。此外，企业流程与战略和数据访问与应用的实际情况之间存在明显的落差。尽管有96%的企业表示已将AI集成到内核业务流程中，85%表示拥有明确的数据战略，但约有五分之四（约80%）的企业承认，由于跨多个环境的数据访问受阻，他们在AI和数据应用方面的进展并不充分。 这个落差凸显了一个名为「AI准备度错觉」的新挑战。也就是说，在关键数据问题仍未解决的情况下，企业却误以为自己已经准备好扩展AI应用的状态。 Cloudera的首席技术官（CTO）Sergio Gago表示：「企业在导入AI本身并没有遇到太大困难，他们的挑战在于如何跨越实验阶段并将其深植于日常营运中。AI的性能取决于支撑它的数据品质。如果无法无缝地访问所有数据，AI所带来的准确性、可靠性和商业价值将会受到严重限制。没有数据，AI就无法成立。」 AI导入持续推进，但实现投资回报率（ROI）仍面临挑战 尽管AI已广泛渗透到整个企业中，但实现稳定的投资回报率（ROI）依然不易。受访者指出，AI计划未能达到预期成果的主要原因包括数据品质（22%）、成本超支（16%）以及缺乏与现有业务的集成（15%）。这些数据显示了将AI投资转化为实际商业成果的困难度。 此外，基础设施的限制也使挑战变得更加严峻。近四分之三（73%）的受访者表示，处理性能的限制阻碍了业务的推进，凸显了在碎片化环境中扩展AI应用的困难。 数据落差：访问、治理与可视性的挑战 这些挑战的根本原因在于缺乏对数据的全面访问与管理。 尽管84%的受访者对其企业数据的准确性、完整性和一致性充满信心，但这种认知背后往往潜藏着更深层次的问题，如数据孤岛、品质参差不齐以及访问限制。那些在孤立状态下看似可靠的数据，在跨组织、跨系统或在AI应用程序中运用时，往往无法正常发挥作用，最终暴露出治理和一致性的缺失。 只有不到五分之一（18%）的受访者表示他们公司的数据已得到全面治理，这凸显了认知与现实之间的落差。尽管71%的人回答「公司的大部分数据都受到了治理」，但要实现真正以数据为基础的决策，整个组织必须拥有一个一致且可靠的数据基础。 如果没有集成数据并应用明确标准的全面治理，企业将面临错失良机、决策失误以及输出结果不如预期等风险。 不同产业在数据准备度上的差异 不同产业之间的数据准备度状况差异显著。例如，在电信业中，54%的受访者表示「完全掌握数据的所在位置」，但在金融服务业中仅为30%，公共部门则为31%。在数据访问方面，51%的电信业受访者表示「随时可以访问所有数据」，而金融服务业为24%，公共部门仅为16%。 然而，这种高度的数据准备度并不一定能直接转化为业务成果。60%的电信业受访者表示，基础设施的性能持续阻碍着业务的推进，这是所有产业中比例最高的。 这些挑战也影响了AI的应用。阻碍AI实现ROI的障碍因产业而异；整体而言，数据品质被视为主要挑战，但在能源和公用事业中，成本超支（25%）则成为最大的障碍。另一方面，在医疗保健、制造业和金融服务业中，业务集成不足是一大课题。