打造成功的Gen AI数据驱动型企业

核心观点与数据

• Gen AI 应用现状：91% 的组织正在实验或投资生成式 AI（Gen AI），88% 的组织计划在未来 12-18 个月内重点关注 AI（包括 Gen AI）。然而，多数组织在规模化 Gen AI 项目后难以从中获得显著价值，主要原因是数据管理和实践问题。
• 数据驱动企业的定义：数据驱动企业具备九大关键属性，能够有效创建、处理和利用数据以实现业务目标、提升运营效率、改善客户体验和推动创新。
• 数据成熟度挑战：尽管近三分之二（63%）的高管表示其组织使用“激活数据”（已嵌入核心业务流程的信息），但数据成熟度调查显示，仅 54% 的数据高管了解成功实施 AI（包括 Gen AI）所需的数据信任和指导原则。这意味着多数组织在规模化 Gen AI 后难以获得价值，主要障碍在于数据问题。
• 数据价值认知：企业对数据价值的认知显著提升，2024 年有三分之二（66%）的领导者表示其组织正从数据中获益，但数据质量问题（如非结构化数据）和治理、安全、技能限制等问题阻碍了 AI 的规模化应用。

数据驱动企业构建方法

• 构建数据基础：建立能够提供及时、准确、相关洞察的数据基础，这是成为数据驱动企业的第一步。
• 避免复杂生态系统：数据常分散在异构技术和软件中，非结构化或低质量数据需要时间和资源进行筛选和重构，导致复杂且成本高昂。
• 实现可扩展性：从概念验证（PoC）成功过渡到生产环境的关键在于高质量数据和清晰的、企业范围内的数据分类法。需要强大的数据安全和合规政策以及多供应商采购策略。
• 高效交付：组织必须快速且控制成本地交付成果，否则管理复杂性和可扩展性将变得困难且昂贵。

Capgemini RAISE 解决方案

• 解决方案概述：Capgemini 与 Databricks 和 Informatica 合作推出 Capgemini RAISE（Reliable AI Solution Engineering），旨在帮助企业更有效地成熟和利用数据，驱动业务成果。该方案将企业数据管理平台、Gen AI 解决方案、Databricks 数据智能平台和 Informatica 智能数据管理云相结合，简化数据管理流程。
• 关键能力：包括 Databricks 的训练和部署、数据仓库、机器学习能力，以及 Informatica 的数据集成、数据质量、无代码 AI 应用开发和主数据管理能力。Databricks Unity Catalog 和 Informatica 的云数据治理和目录提供全面的数据治理。
• 平台支持：可在 Microsoft Azure、AWS 和 Google Cloud Platform 等现有数据平台上部署。
• 业务价值：作为 Gen AI 价值用例运营加速器，Capgemini RAISE 实现了定制 Gen AI 项目的规模化，并解决了数据复杂性、信任准备和可扩展性问题，通过统一的数据治理和 AI 风险框架支持 Gen AI 试点。
• 模块化设计：Capgemini RAISE 可模块化构建，满足不同需求，提供端到端的企业级数据管理价值链，并促进数据协同化和民主化。
• 数据产品与数据网格：可识别和工业化 AI 模型消费的数据产品，并通过数据网格（去中心化数据架构）确保数据民主化，提升数据访问、安全和可扩展性。

研究结论

• 生成式 AI 对企业具有巨大潜力，但规模化实施面临重大挑战。
• Capgemini RAISE 和与 Databricks 和 Informatica 的合作解决了这些挑战，帮助企业从数据中释放价值，实现 Gen AI 的规模化应用和业务成果。