2025 年 IT 领导者需要克服的 AI 障碍
Posted: Sun Feb 16, 2025 4:26 am
2024 年 5 月，Dataiku 和 Databricks 对来自全球大型公司的 400 名高级 AI 专业人士进行了调查，以追踪自去年的调查分析以来数据和 AI（包括生成式 AI）格局的变化。IT 领导者在扩展 AI 方面继续发挥着关键作用，今年的见解凸显了 IT 和信息安全部门面临的新挑战和优先事项。
尽管 IT 领导者仍然是受访者中较小的一部分（n=80），但他们的观点对于理解扩展数据和 AI 项目不断演变的障碍至关重要。那么，自去年以来发生了什么变化？随着公司努力充分发挥 AI 的潜力，哪些障碍变得更加紧迫？以下是我们的发现。
→ 立即阅读：当今的人工智能：400 名高级人工智能专业人士的调查报告
1. 50% 的 IT 领导者缺乏对整个组织的数据、分析和 AI 项目的可视性和控制力
2024 年，接受调查的 IT 领导者中有一半表示，其组织内的数据、分析和 AI 计划的可见性和控制方 卡塔尔电话号码数据 面面临重大挑战，比上一年增加了 13%。这一增长凸显了 IT 部门在有效管理复杂数据环境方面面临的持续困难。
如需进一步了解，请查看我们的博客，了解令 IT 领导者夜不能寐的挑战。
2. 35% 的 IT 领导者认为成本是阻碍组织利用数据、分析和 AI 创造更多价值的障碍
成本问题变得越来越突出，35% 的 IT 领导者现在认为这是扩展分析和 AI 的障碍——与 2023 年的 18% 相比有显著增长。虽然成本已成为这一群体中最显著的变化，成为阻碍价值发展的障碍，但其变化还不足以影响整体分析和 AI 趋势。相反，随着 GenAI 应用的不断扩展，它表明在创新与预算限制之间取得平衡的挑战越来越大。
随着 IT 领导者努力管理 GenAI 的财务影响，许多人开始使用可以帮助他们监督成本和降低风险的工具。Dataiku 通过以下方式帮助应对这些挑战：
预测财务影响并管理运营成本：随着越来越多的大型语言模型 (LLM) 应用程序在企业中部署，监控性能和成本对于旨在最大化投资回报率的 IT 团队来说变得至关重要。Dataiku的 LLM Cost Guard提供了一种按应用程序、服务、用户或项目跟踪和控制费用的方法，帮助组织避免预算超支并充分利用其 GenAI 投资。
嵌入治理以防止未来的财务和合规风险： GenAI 的采用带来了新的复杂性，从管理 LLM 成本到确保遵守欧盟 AI 法案等框架的监管规定。如果没有治理框架或使用控制，组织将面临更高的运营风险，这可能会阻碍分析和 AI 的现代化。Dataiku Govern通过将合规性、文档和风险管理嵌入 AI 工作流程来解决这些挑战，使组织能够负责任地扩展 GenAI，同时最大限度地降低财务和监管风险。
通过主动管理成本和治理挑战，IT 领导者可以推动可持续的 AI 增长，在创新与预算和合规性优先事项之间取得平衡。 在我们针对 IT 领导者的调查报告“ CIO 的现代分析指南”中了解更多信息。
3. 49% 的 IT 领导者缺乏高质量数据或无法轻松授予正确数据的访问权限
尽管在过去一年中，努力应对数据质量和访问挑战的 IT 领导者比例从 55% 下降到 49%，但近一半的人在跨部门管理和访问高质量数据方面仍然面临重大障碍。虽然这是一个积极的信号，但挑战仍然存在，特别是在支持分析、机器学习和 GenAI 计划方面。
查看这本翻书，了解提高数据质量的五个基本步骤，其中包括消除数据孤岛和加强数据治理等可操作的步骤，以确保数据资产的准确性和一致性。
4. 49% 的 IT 领导者在分析和 AI 项目的操作和迭代方面遇到困难
去年，61% 的 IT 领导者在实施和迭代分析和 AI 项目方面面临挑战。当时，我们强调了 IT 和业务团队之间的协调对于确保 AI 解决方案满足特定业务需求至关重要。缺乏协调通常会导致采用率低，并降低对 AI 驱动洞察的信任度。
今年，这一数字下降至 49%，表明在建立高效的工作流程和促进团队之间更好的沟通方面取得了一些进展。然而，近一半的 IT 领导者仍然遇到障碍——尤其是在整个过程中保持数据质量方面。俗话说，“垃圾进，垃圾出”——如果没有高质量的数据，即使是最复杂的人工智能模型也可能产生不可靠的结果。
尽管 IT 领导者仍然是受访者中较小的一部分（n=80），但他们的观点对于理解扩展数据和 AI 项目不断演变的障碍至关重要。那么，自去年以来发生了什么变化？随着公司努力充分发挥 AI 的潜力，哪些障碍变得更加紧迫？以下是我们的发现。
→ 立即阅读：当今的人工智能：400 名高级人工智能专业人士的调查报告
1. 50% 的 IT 领导者缺乏对整个组织的数据、分析和 AI 项目的可视性和控制力
2024 年，接受调查的 IT 领导者中有一半表示，其组织内的数据、分析和 AI 计划的可见性和控制方 卡塔尔电话号码数据 面面临重大挑战，比上一年增加了 13%。这一增长凸显了 IT 部门在有效管理复杂数据环境方面面临的持续困难。
如需进一步了解，请查看我们的博客，了解令 IT 领导者夜不能寐的挑战。
2. 35% 的 IT 领导者认为成本是阻碍组织利用数据、分析和 AI 创造更多价值的障碍
成本问题变得越来越突出，35% 的 IT 领导者现在认为这是扩展分析和 AI 的障碍——与 2023 年的 18% 相比有显著增长。虽然成本已成为这一群体中最显著的变化，成为阻碍价值发展的障碍，但其变化还不足以影响整体分析和 AI 趋势。相反，随着 GenAI 应用的不断扩展，它表明在创新与预算限制之间取得平衡的挑战越来越大。
随着 IT 领导者努力管理 GenAI 的财务影响，许多人开始使用可以帮助他们监督成本和降低风险的工具。Dataiku 通过以下方式帮助应对这些挑战：
预测财务影响并管理运营成本：随着越来越多的大型语言模型 (LLM) 应用程序在企业中部署，监控性能和成本对于旨在最大化投资回报率的 IT 团队来说变得至关重要。Dataiku的 LLM Cost Guard提供了一种按应用程序、服务、用户或项目跟踪和控制费用的方法，帮助组织避免预算超支并充分利用其 GenAI 投资。
嵌入治理以防止未来的财务和合规风险： GenAI 的采用带来了新的复杂性，从管理 LLM 成本到确保遵守欧盟 AI 法案等框架的监管规定。如果没有治理框架或使用控制，组织将面临更高的运营风险，这可能会阻碍分析和 AI 的现代化。Dataiku Govern通过将合规性、文档和风险管理嵌入 AI 工作流程来解决这些挑战，使组织能够负责任地扩展 GenAI，同时最大限度地降低财务和监管风险。
通过主动管理成本和治理挑战，IT 领导者可以推动可持续的 AI 增长，在创新与预算和合规性优先事项之间取得平衡。 在我们针对 IT 领导者的调查报告“ CIO 的现代分析指南”中了解更多信息。
3. 49% 的 IT 领导者缺乏高质量数据或无法轻松授予正确数据的访问权限
尽管在过去一年中，努力应对数据质量和访问挑战的 IT 领导者比例从 55% 下降到 49%，但近一半的人在跨部门管理和访问高质量数据方面仍然面临重大障碍。虽然这是一个积极的信号，但挑战仍然存在，特别是在支持分析、机器学习和 GenAI 计划方面。
查看这本翻书，了解提高数据质量的五个基本步骤，其中包括消除数据孤岛和加强数据治理等可操作的步骤，以确保数据资产的准确性和一致性。
4. 49% 的 IT 领导者在分析和 AI 项目的操作和迭代方面遇到困难
去年，61% 的 IT 领导者在实施和迭代分析和 AI 项目方面面临挑战。当时，我们强调了 IT 和业务团队之间的协调对于确保 AI 解决方案满足特定业务需求至关重要。缺乏协调通常会导致采用率低，并降低对 AI 驱动洞察的信任度。
今年，这一数字下降至 49%，表明在建立高效的工作流程和促进团队之间更好的沟通方面取得了一些进展。然而，近一半的 IT 领导者仍然遇到障碍——尤其是在整个过程中保持数据质量方面。俗话说，“垃圾进，垃圾出”——如果没有高质量的数据，即使是最复杂的人工智能模型也可能产生不可靠的结果。