报告由BPI Network与EncompaaS联合发布，探讨生成式人工智能（GenAI）在商业领域的应用，强调高质量数据对发挥GenAI商业价值的关键作用，通过调研揭示企业在数据准备方面的现状、挑战及应对策略。

1. 核心观点：GenAI发展迅速，有望重塑行业竞争格局，但发挥其全部潜力依赖高质量数据。多数企业虽看好GenAI前景，却对自身数据准备情况信心不足，这种差距影响GenAI项目成效，凸显数据管理的重要性。

2. GenAI的商业价值与挑战：79%的商业领袖认为GenAI在未来18个月能带来竞争优势，如优化客户体验、简化业务流程等。然而，数据质量、风险控制、成本及业务价值不明确等问题阻碍GenAI项目推进，30%的项目可能因此在概念验证后被放弃。数据准确性和可靠性是最大挑战，近三分之二的企业缺乏AI数据管理实践，大量数据未被充分利用。此外，企业过度关注GenAI的集成和界面层，忽视数据完整性，难以实现其价值。

3. 数据相关问题剖析：数据质量方面，数据孤岛和对数据理解有限是主要挑战。数据质量不等于数据就绪，传统数据治理技术难以处理非结构化数据，导致数据无法有效用于AI。数据准确性和可靠性受训练数据质量、数据整理难度、可解释性等因素影响，不准确的输出会影响GenAI项目。数据安全和隐私面临内部威胁、第三方风险等挑战，数据可见性不足增加风险，企业需加强数据治理。成本和投资回报率方面，模型维护、人才短缺和数据准备是主要问题，企业需制定综合策略并吸引专业人才。

4. 不同维度的差异分析：地区上，北美在GenAI成熟度和价值提取方面领先，亚太地区相对滞后。业务模式上，B2C/混合企业对GenAI项目价值满意度较高，但B2B企业在文档生成和个性化等应用场景上更具优势。企业规模方面，大型企业因依赖结构化数据，对数据-AI就绪性更有信心，但在个性化应用上需求较低。

5. 未来举措与建议：企业应投资相关技术工具，包括分析平台、可视化技术等，为数据-AI就绪提供技术支持。提升内部AI和数据素养，确保员工理解数据供应链复杂性，促进员工与AI协同工作。优先确定GenAI应用场景，选择能带来最大价值的场景，建立成功案例，赢得各方信任。

6. 专家观点：多位专家强调数据信任对GenAI成功的重要性，低质量数据会导致不可靠的洞察和风险。AI不仅要提供正确答案，还应解释其可靠性。企业需转变思维，将数据准备放在首位，构建透明的AI模型。同时，企业应利用GenAI创造新能力，突破传统限制，注重创新项目，避免过度关注效率项目的低价值和高门槛 。

免责声明：我们尊重知识产权、数据隐私，只做内容的收集、整理及分享，报告内容来源于网络,报告版权归原撰写发布机构所有，通过公开合法渠道获得，如涉及侵权，请及时联系我们删除，如对报告内容存疑，请与撰写、发布机构联系