Cloudera發布最新研究報告《數據準備度指數》：約80%的企業表示「數據訪問挑戰限制了AI的應用」

為任何地方的數據提供AI的唯一企業Cloudera株式會社（所在地：東京都中央區，社長執行役員：山賀裕二）宣布發布最新全球調查報告《數據準備度指數：解讀成功的AI基礎》，分析了企業在大規模運用AI方面的準備情況。該調查針對全球約1,300名IT領導者進行，結果顯示雖然AI的導入正在推進，但許多企業尚未充分建立其實現成功所需的數據基礎。特別值得注意的是調查結果顯示出顯著的矛盾。此外，企業流程與戰略和數據訪問與應用的實際情況之間存在明顯的落差。儘管有96%的企業表示已將AI整合到核心業務流程中，85%表示擁有明確的數據戰略，但約有五分之四（約80%）的企業承認，由於跨多個環境的數據訪問受阻，他們在AI和數據應用方面的進展並不充分。

這個落差凸顯了一個名為「AI準備度錯覺」的新挑戰。也就是說，在關鍵數據問題仍未解決的情況下，企業卻誤以為自己已經準備好擴展AI應用的狀態。

Cloudera的首席技術官（CTO）Sergio Gago表示：「企業在導入AI本身並沒有遇到太大困難，他們的挑戰在於如何跨越實驗階段並將其深植於日常營運中。AI的效能取決於支撐它的數據品質。如果無法無縫地訪問所有數據，AI所帶來的準確性、可靠性和商業價值將會受到嚴重限制。沒有數據，AI就無法成立。」

AI導入持續推進，但實現投資回報率（ROI）仍面臨挑戰

儘管AI已廣泛滲透到整個企業中，但實現穩定的投資回報率（ROI）依然不易。受訪者指出，AI計畫未能達到預期成果的主要原因包括數據品質（22%）、成本超支（16%）以及缺乏與現有業務的整合（15%）。這些數據顯示了將AI投資轉化為實際商業成果的困難度。

此外，基礎設施的限制也使挑戰變得更加嚴峻。近四分之三（73%）的受訪者表示，處理效能的限制阻礙了業務的推進，凸顯了在碎片化環境中擴展AI應用的困難。

數據落差：訪問、治理與可視性的挑戰

這些挑戰的根本原因在於缺乏對數據的全面訪問與管理。

儘管84%的受訪者對其企業數據的準確性、完整性和一致性充滿信心，但這種認知背後往往潛藏著更深層次的問題，如數據孤島、品質參差不齊以及訪問限制。那些在孤立狀態下看似可靠的數據，在跨組織、跨系統或在AI應用程式中運用時，往往無法正常發揮作用，最終暴露出治理和一致性的缺失。

只有不到五分之一（18%）的受訪者表示他們公司的數據已得到全面治理，這凸顯了認知與現實之間的落差。儘管71%的人回答「公司的大部分數據都受到了治理」，但要實現真正以數據為基礎的決策，整個組織必須擁有一個一致且可靠的數據基礎。

如果沒有整合數據並應用明確標準的全面治理，企業將面臨錯失良機、決策失誤以及輸出結果不如預期等風險。

不同產業在數據準備度上的差異

不同產業之間的數據準備度狀況差異顯著。例如，在電信業中，54%的受訪者表示「完全掌握數據的所在位置」，但在金融服務業中僅為30%，公共部門則為31%。在數據訪問方面，51%的電信業受訪者表示「隨時可以訪問所有數據」，而金融服務業為24%，公共部門僅為16%。

然而，這種高度的數據準備度並不一定能直接轉化為業務成果。60%的電信業受訪者表示，基礎設施的效能持續阻礙著業務的推進，這是所有產業中比例最高的。

這些挑戰也影響了AI的應用。阻礙AI實現ROI的障礙因產業而異；整體而言，數據品質被視為主要挑戰，但在能源和公用事業中，成本超支（25%）則成為最大的障礙。另一方面，在醫療保健、製造業和金融服務業中，業務整合不足是一大課題。