2026年首席数据官 (CDO) 洞察报告：数据治理、数据信任悖论与AI素养成为核心焦点

CDO洞察2026 数据治理与数据及人工智能素养的信任悖论成为焦点 CDO洞察2026：数据治理与数据及人工智能素养的信任悖论成为焦点 内容 关键发现4执行摘要 3为人工智能腾出空间 5 - 聚焦：组织利用人工智能关注客户体验提升 6 7将人工智能从试点推向生产 8- 重点：数据与资源改进助力生成式AI成功 CDO洞察2026：数据治理与数据及人工智能素养的信任悖论成为焦点 执行摘要 时机已至：人工智能已从实验性技术转变为一项战略性的、变革性的必然要求。 现在到了棘手的部分。 随着各组织探索用例并将倡议引导至生产阶段，许多人发现，公司内部日益增长和普及的AI使用正在暴露基础设施和治理方面的差距，以及员工数据素养和AI素养的不足。围绕AI的热情正受到这样一种认识的制约，即存在高风险的挑战需要解决，只有这样才能确保持续和未来的AI倡议取得成功。许多人正拥抱这样一种心态：全情投入AI是使其发挥作用唯一途径。 根据Wakefield Research为Informatica进行的调查，对营收达5亿美元以上的美国、英国/欧盟和亚太地区公司中的600位数据领导者（CDOs、CDAOs和CAOs）的调研显示，AI应用已达到临界点，69%的公司已将生成式AI（GenAI）融入其业务实践，另外25%则预计在未来12个月内会这样做。 那是一个显著的增长，从去年的48%和前一年的45%都采用了GenAI。被视为AI使用重要下一步的自主AI（AgenticAI），即从内容创作转向自主执行和决策——已有近半数（47%）采用了这项技术。 虽然众多因素最终可能决定人工智能计划的成功与否，但如果缺乏高质量数据和坚实的数据管理基础，项目可能在启动前就已失败。多数人（61%）认为，更好的数据——包括更高的数据质量和完整性——是让更多生成式人工智能（GenAI）试点项目成功转向生产环境变得更容易的因素。然而，工作远未完成：在已采用或计划采用自主式人工智能（agentic AI）公司的数据领导者中，有一半（50%）将数据质量/检索问题列为将人工智能代理投入生产所面临的首要挑战。 随着人工智能计划的推广，数据领导者们又有一个普遍的担忧：75%的人认为他们的员工需要在数据素养方面进行技能提升，74%的人认为需要在人工智能素养方面进行技能提升，以便能够负责任地在日常运营中使用人工智能或人工智能输出。然而，在组织内部，对用于驱动人工智能的数据的信任度很高：65%的数据领导者认为他们公司的大部分、全部或几乎所有员工都信任他们拥有的数据，并正在使用这些数据进行人工智能工作。但当存在潜在的数据可靠性问题和数据与人工智能素养的差距，导致员工无法识别和解决其人工智能工作中使用数据的潜在缺陷时，这种高度信任就令人担忧。 此外，76%的人承认，他们公司的可见性和治理未能完全跟上员工使用人工智能的步伐，这可能会增加那些已经面临脆弱性问题的公司的风险敞口。 全面拥抱人工智能转型带来的巨大推动力，若企业未能理顺其数据管理，将显著增加其承担的风险。展望未来，86%的企业将加大数据管理投入，以应对信任悖论，并解决从数据隐私与安全到人工智能可见性与治理，以及员工数据掌握和人工智能素养滞后等一系列问题。 CDO洞察2026：数据治理与数据及人工智能素养的信任悖论成为焦点 关键发现 随着自主AI的采用日益增多，在已采用或计划采用自主AI的公司之间，对于如何管理或部署AI代理存在分歧。对于54%的公司而言，预期将通过供应商解决方案来完成，而44%的公司则预期将内部开发和管理AI代理。 为人工智能腾出空间 生成式人工智能的采用正在加速，而具有自主性的AI技术也紧随其后。 生成式人工智能的采用率已跃升至69%。相比之下，从两年前到去年，表示其公司已将生成式人工智能纳入业务实践的比例仅从45%上升到48%。这种增长尚未结束。另外25%的人预计他们的公司将在未来12个月内采用生成式人工智能，只有6%的人预计到明年此时不会使用生成式人工智能。生成式人工智能的采用率在美国最高（75%，而去年同期为48%），其次是英国/欧盟和亚太地区（均为66%，分别对比2025年的47%和51%）。 超过三分之二的人已经采用了生成式人工智能。 许多公司正继续采用自主AI，希望AI代理能帮助其改善客户服务职能、简化工作流程，甚至创建新的虚拟劳动力团队等。自主AI仍在发展中，但已有近半数（47%）公司已采用，另外31%计划在未来12个月内采用。美国在该领域的采用率最高，达到52%，其次是英国/欧盟（50%），亚太地区（41%）位居第三。然而，亚太地区另有24%的数据领导者预计将在未来六个月内采用自主AI。拥有5000名或更多员工的大公司比员工少于5000名的公司更可能已经采用了自主AI（54% vs 44%）。 但与通用人工智能（GenAI）一样，数据将是成功的关键因素。当前和预期采用自主人工智能（agentic AI）者在将代理迁移到生产环境时最常提及的挑战是数据质量/检索问题（50%）。安全问题（43%）、可观察性问题（39%）以及缺乏人工智能使用的安全护栏（35%）也是常见的挑战。 聚焦：组织正利用人工智能提升客户体验 人工智能的承诺包括提高效率、改进流程和战略指导，或直接推动收入生成的项目，等等。 在考虑其组织内各类人工智能的最有益应用场景时，许多人正优先考虑以客户为中心的应用。在对其公司未来12个月的 top three 人工智能应用类别进行排名时，超过四分之一的人将提升客户体验和忠诚度（29%）列为其中之一，几乎同样比例的（25%）则提到了优化售后的客户支持。 从内部来看，企业也在关注人工智能计划，用以提升商业智能分析和决策（28%）、遵守监管和ESG标准（27%）以及改进风险管理/欺诈预防（25%）。 然而，员工也不会被落下，因为公司正在考虑利用人工智能来增强员工协作和工作流程（26%）、优化员工教育与人力资源支持（26%），以及提升内部业务流程效率（25%）。 将人工智能从试点推向生产 领导者正采取措施，以提高用于人工智能的数据可靠性。 随着为人工智能计划做好准备工作，企业正致力于扫清障碍，以成功实施，将想法和概念转化为能产生收入的AI产品或服务以及运营效率解决方案。 更好的数据是人工智能成功的关键因素。 相反，对于已采用或计划采用通用人工智能（GenAI）的组织而言，数据可靠性缺乏可能成为将项目从试点阶段转向正式生产阶段的障碍。在这些公司中，57%的人认为数据可靠性是推动更多项目从试点转向生产的首要或关键障碍。这一比例与去年的56%持平，表明这是一个持续存在且尚未解决的问题。将数据可靠性视为首要障碍的比例略有上升，从去年的10%增至目前的12%。 为应对这些担忧，他们正通过多种方式采取措施，以提高用于人工智能计划的数据可靠性。这首先涉及流程变革，例如改进围绕数据和/或人工智能的工作流程（59%）以及增加数据检查的频率（53%）。其中一些措施包括投资，例如增加资金以提升数据质量（54%）以及投资于数据和元数据的收集与管理（54%）。此外，还有通过人员来解决数据可靠性问题，例如招聘或提升该领域员工的技能（47%）或聘请外部顾问或服务（43%）。 超过一半已采用或计划采用生成式人工智能（GenAI）公司的数据领导者（56%）非常或极其关注人工智能试点项目在未解决先前举措中发现的数据可靠性问题的情况下继续推进。 美国（66%）的这种高度关注程度比英国/欧盟（50%）或亚太地区（51%）更为明显。拥有5000名或更多员工的大公司，其非常或极其关注的可能性（62%）高于员工少于5000家的公司（52%）。 CDO洞察2025：在应对潜在障碍的同时，加速推进生成式AI与数据投资 聚焦：数据与资源改进助力生成式AI成功 对于61%的人而言，相较于一年前，更好的数据（更高质量或更完整的数据）使得将GenAI试点项目成功转入生产变得更加容易。在英国/欧盟，更好的数据更有可能成为成功的因素（67%），而美国则相对较低（53%）；亚太地区则处于中间水平，为62%。 其他有助于这些过渡的主要因素还包括：改善的技术资源（59%）、公司领导层支持度提升（59%）、分配给生成式人工智能（GenAI）的预算增加（56%），以及有更多员工可用于支持这些举措（51%）。对于年收入超过10亿美元的公司的AI成功而言，公司领导层支持度提升是一个比年收入不足10亿美元的公司（53%）更大的因素（61%）。 数据领导者在其员工准备好有责任地使用人工智能或其产出于日常运营之前，就看到了员工提升技能的需求。绝大多数（75%）认为他们的劳动力需要更多数据素养方面的提升技能，74%的人认为他们的员工需要更多人工智能素养方面的提升技能。在员工人数少于5000人的小型公司中，有61%的人更可能在两个领域都看到提升技能的需求，而在员工人数为5000人或更多的公司中，这一比例为41%。 员工信任的制衡之必要性 领导者必须应对员工在为人工智能使用数据时可能存在的盲目信任，以及已知的数据可靠性、安全性和隐私性方面的缺陷。 随着人工智能进入主流，成为每个人工作和个人生活的一部分，公司发现员工对用于人工智能的数据高度信任：65%的员工所在的组织中，大多数、全部或几乎所有员工都信任他们拥有并用于人工智能的数据。 技能提升也是自主AI采用的一个关注点：在已采用或计划采用自主AI的公司中，大约五分之二的数据领导者将缺乏自主AI专业知识（42%）视为将AI代理投入生产的一个障碍。 这尤其适用于采用代理式AI的公司，其中74%的人认为其大部分或全部组织都信任他们用于AI工作的数据。这表明，随着公司进一步深入其AI相关工作，他们对驱动AI计划的数据以及AI本身的信任度会更高。 大多数人都认为，员工需要先提升技能，才能负责任地使用人工智能。 是什么推动了人工智能信任度的提升？对于42%的人来说，这是因为人工智能在他们组织内的应用越来越广泛。同样，近半数（48%）的人将过去12个月人工智能工具和模型的改进列为信任度提升的前三个原因之一，而44%的人则注意到人工智能输出结果有所改善。虽然这仍然是许多人的一个担忧，但人工智能素养的提高（46%）是另一个主要的驱动因素。 然而，这种高度信任却令人担忧。 首席数据官必须约束员工对数据的潜在盲目信任，以避免灾难性风险。 领导者更有可能报告他们的大部分或几乎所有员工都信任公司用于人工智能的数据，前提是他们还认为自己的员工需要数据素养和人工智能素养的技能提升，才能负责任地使用人工智能或其输出（71%）。相比之下，在只需要员工提升人工智能素养的组织中，这一比例为60%；在只需要员工提升数据素养的组织中，这一比例为53%。因此，对人工智能的高信任度中，有一部分可能是因为从一开始就缺乏对何为高质量数据的理解。 人工智能涉及重大利益，因此许多公司未能充分意识到其组织内员工如何使用它，这一点令人担忧。他们还在努力跟上治理框架的步伐，尤其考虑到这些技术发展速度如此之快。超过四分之三的数据领导者（76%）表示，他们公司对人工智能的可见性和治理并未完全跟上员工使用人工智能的步伐。 负责任地使用人工智能，以建立信任 人工智能正突破其采用的关键转折点。随着这一进程的发生，员工使用人工智能的可见性与治理变得至关重要。这些关切至关重要，既为了降低风险，也为了解决阻碍人工智能发展的根本问题。考虑到员工对用于人工智能的数据可能存在错位信任，这一点尤其如此。对于今年增加数据管理投资的41%的人来说，改善数据与人工智能治理是推动这一增长的首要需求。 如何改进这一点？近半数公司（48%）通过将其现有的数据治理工具扩展以纳入人工智能来应对人工智能治理。这种方法在成立20年或更长时间的商业公司中尤其普遍（58%）。较少（30%）的公司投资了独立的工具用于人工智能治理，或从零开始开发新的工具来完成这项任务（22%）。 值得注意的是，投资于人工智能治理的独立工具或从零开始开发