解锁智能时代的数据优势

HBR分析服务脉搏调查 值得信赖的数据与为代理式AI转变提供背景 在过去一年中，我与数百位正引领向自主代理和更广泛的人工智能时代快速转变的顶尖数据和技术高管进行过对话。虽然每个组织都在以自己的节奏前进，但一个主题反复出现：领导层看到了自主代理式人工智能的潜力，但他们正为拥有用好它的准备而挣扎。 治理、识字和互操作性仍然是其中最显著的障碍。 让我乐观的是，领导者们认识到了前进的道路。他们明白，具主体性的AI并非一个技术项目，而是一种组织进化。它始于与业务成果紧密相连的清晰战略。它依赖于高质量、可互操作的数据，供系统所信赖。并且它要求我们重新思考人与AI如何协作以创造价值。 苏德·曼尼什 董事长兼创始人 Reltio 这项由哈佛商业评论分析服务进行的研究强调了这种紧张关系。几乎所有受访者都说他们的组织都在探索或实施人工智能，但只有一小部分人认为他们的数据基础能够满足自主系统的需求。这是一个值得注意的信号。企业渴望创新，但许多企业发现，他们现有的战略、数据和运营模式是为一个不同的时代而构建的。 前方的机遇意义重大，领导者今日做出的准备决策将塑造其未来数年的竞争力。 在Reltio，我们相信这种背景是决定性的因素。统一、实时、可靠的数据是驱动向自主AI转变的背景，为企业提供对每个关键实体和关系的可靠、互联的理解。十多年来，我们一直帮助组织从零散、孤立的 数据转向对其客户、供应商、产品和运营的互联视图。这项工作一直很重要。现在它变得至关重要。没有这种背景，自主AI将无法兑现其承诺。 自主AI为工作方式带来了质的飞跃。这些系统不仅分析数据；它们还采取行动、协调任务，并能实时适应。这种自主性取决于企业一直难以规模化的事物：提供代理理解情境、做出准确决策并在工作流程中负责任行动所需的那种统一、实时、可靠的数据。正如报告所强调的，数据质量上的差距 我希望这份报告能为领导层在快速变化的时期提供清晰度和信心。那些能够将战略、数据和执行相结合的组织，将是那些能够超越实验阶段，并将能动式AI转化为持久优势的组织。 智能时代的数据优势解锁 随着云服务采用和数字化转型重塑了过去十年，智能时代正开启下一个前沿——自主代理和能动型人工智能（AI），即能够自主行动、做出决策以达成特定目标且仅需极少人工监督的系统。各组织正站在一场深刻变革的门槛上，这场变革将重塑企业竞争方式、工作结构以及价值交付模式。借助能动型AI，企业如今能够超越自动化，转向能够实时学习、适应和执行的系统。 46% 据受访者称，数据孤岛是他们组织在使企业数据可用于人工智能（AI）方面面临的最大挑战之一，这是最常见的答案。 16% 数据投资的管理非常有序，并与业务战略保持一致；34%的人表示其非常临时且职能间分散。 将信息转化为情报，将情报转化为影响力。 与传统AI不同，后者分析信息并推荐后续步骤，自主系统则自行采取这些步骤。自主AI能够解决客户问题、管理供应链中断，并实时重新分配资源。因此，自主AI承诺实现更快的业务流程、更智能的决策，以及业务流程在学习和优化以实现组织目标时所带来的响应能力新水平。 2025年10月，哈佛商业评论分析服务对325名受访者的一项调查发现，许多组织如今正在使用人工智能，尽管其中很少组织在技术和战略上与之匹配。在受调查者中，94%的人——他们都在至少考虑过人工智能并参与其组织的数据决策的组织工作——表示其组织正在探索、试点或实施人工智能，但只有15%的人表示其数据基础非常适用于人工智能应用（在10分制中评分为8、9或10，其中10代表“完全准备就绪”）。图1 15% 他们表示，其组织的数据基础非常适用于人工智能的采用。 此转型的核心是数据。数据不再仅仅是运营的副产品，而是驱动智能自动化的战略性资产。正是数据使自主AI能够理解上下文、预见需求并采取明智行动，从而将... 这种准备不足的现象表明，许多企业将优先考虑 由于四舍五入，本报告中的部分数据可能无法加总至100%。 实验优先于准备——在明确其策略并确保其数据清晰、连接、可访问且得到治理之前，推进人工智能计划。 第三方平台。对于许多企业而言，这些海量且种类繁多的信息，已经超出了它们组织、管理和有效利用这些信息以从中获取自主系统所带来益处的能力。 “我认为大多数公司都理解自主AI的潜力，但AI并非凭空而来，”电气和工业制造公司Eaton（总部位于都柏林）的首席数据官罗斯·沙尔莫说。“在取得成果之前，你仍然需要把基础设施（或：基础工作）做好。” 因此，企业在使其企业数据对人工智能可用方面面临着持续的挑战。这些障碍包括数据孤岛（46%）、数据人才/专业知识不足（42%）、数据战略不足/不明确（39%）、数据安全/隐私问题（29%）以及数据治理或控制不足（27%）。仅有1%的人表示在数据挑战列表中选择了“无”。 那个管道挑战——即在战略、数据、运营层面实现协同以支持人工智能——是组织正在遭遇困境之处。尽管高层领导明白成功实施人工智能的关键要素，但结构性、技术性及文化性的障碍仍在阻碍他们。除非组织克服了最普遍的挑战并弥合这些执行差距，人工智能的能动性承诺将始终停留在愿景层面。 波士顿-based 管理咨询公司 L.E.K. Consulting 的执行董事兼合伙人 Chuck Reynolds 表示，对许多公司而言，数据孤岛是由多年的脱节技术投资造成的。“许多组织尚未从深思熟虑的角度来考虑企业内部数据的相互关联性，”他说。“而且，当我们存在数据孤岛时，我们就无法全面了解我们组织内部的运作情况、这些决策的结果，以及更广泛地说，我们所参与生态系统和价值链中的发生情况。” 本报告将探讨这些准备就绪差距揭示了智能时代企业数据成熟度的现状，企业需要如何调整其组织战略以支持自主AI，成功数据现代化的关键，以及如何以数据为中心重新设计运营。报告还将考察数据治理在自主AI中的作用，以及执行层中数据素养的重要性。 拥有合适的数据人才和专业知识同样影响着执行效果。随着各组织开始对其数据环境进行现代化改造，许多人意识到，仅靠技术不足以充分释放人工智能的全部价值——拥有合适的专业知识同样至关重要，华盛顿特区-based的Agentic Consulting的联合创始人兼首席顾问尼克·塔巴勒（Nick Tabbal）表示。除了清洗和解读数据的技术能力之外，组织还需要其领导层将这些洞见与商业战略联系起来，并理解自主AI可以在何处创造价值。 审视准备差距 组织拥有比以往更多的数据——从客户互动和企业系统到应用程序和 塔巴尔说：“现在，能够理解数据实际含义或许变得更为重要，因为你能够接触到的数据量已经大得多。” “但你仍然需要理解这些洞察是什么，它们如何应用于业务，以及如何去粗取精。” 如果缺乏分析能力和高层级的数据素养的结合，企业就面临着构建技术上可行但战略上却错位的人工智能系统的风险。 随着组织从为人工智能准备数据转向采用人工智能，新的准备就绪差距也随之出现。在向受访者展示的列表中，对数据可靠性的信任（94%）被认为是最重要的成功采用人工智能的能力，然而远 fewer（39%）的人表示他们的组织在这方面高度熟练。89%的受访者表示数据治理非常重要，但只有37%的人表示他们的组织在这方面高度熟练，其次是员工数据素养和人与人工智能的协作，在这两方面，84%的人表示其非常重要，但只有22%的人声称高度熟练。图2这种脱节强化了这一点，即许多组织正面临基础性障碍，这些障碍阻碍了他们把数据转化为可靠的企业级资产。 尽管代理式AI的采用仍处于早期阶段——只有2%的受访者表示其组织已在这些系统在业务多个领域实施，而只有7%表示已在少数领域实施——但希望利用这一变革性技术的企业必须首先奠定基础。为了让代理式AI得以蓬勃发展，组织需要战略性地连接愿景、数据和执行。 定义组织战略 与传统自动化工具仅协助孤立任务不同，智能代理系统能够感知上下文、做出决策并在整个工作流程中采取行动。这些能力开辟了新的机遇——但前提是组织必须带着明确的目标，并使其与业务建立清晰的联系来应用智能代理AI。 这会帮助我们运营、保护或发展业务吗？你实施技术并非为了实施技术本身。 RSM 数据科学总监 罗比·贝耶 (Luó bǐ·Bèi yē) 结果。在探索自主AI能做什么之前，具有前瞻性的高管需要明确其组织使用它的原因，例如他们想要解决的问题、期望的结果，或是在支持更广泛组织目标时试图达成的目标。 “自主型AI的能力，”里维恩补充道，“组织需要考虑每一个杠杆——效率杠杆、竞争杠杆和新的收入机会——以创造新的价值。” 以明确的策略和愿景指导自主AI——一种平衡效率提升、竞争力和价值创造——接下来的挑战在于执行。将战略转化为现实，取决于数据及其质量、连接性及可访问性。 那些在[代理式AI]领域取得成功的公司，其高管都拥有明确的愿景——他们已经识别出真正需要解决的用例，制定了计划，知道需要哪些数据才能实现该计划以及如何执行，Tabbal表示。“如果没有愿景和协同一致，很可能就会失败。” 根据AI咨询公司RSM（总部位于芝加哥）的数据科学总监RobbieBeyer的说法，那种愿景必须直接与商业价值主张挂钩。“这能帮助我们运营、保护或发展业务吗？你不会为了实施技术而实施技术，”他说。明确的ROI预期、指标和分析需求有助于领导者确定自主AI可以在哪里创造有意义的价值，以及如何优先考虑投资。 企业数据环境转型 数据不仅是自主型AI的输入，更是决定这些系统能否准确感知、决策和行动的关键。然而，许多企业数据环境并非为此类需求而设计。大多数系统仍然依赖为存储、合规和静态报告而构建的模型，而非用于需要解释上下文、映射关系并在实时中自主反应的系统。结果，数据分散在各个应用中，被困在信息孤岛里，且因质量不一致而受损——这些状况使得智能被锁住，无法为自主型工作流程所用。 对自主AI进行战略思考也需要比大多数组织习惯的更广阔的视角。传统的AI战略通常专注于在现有边界内优化业务成果——简化运营、提高生产力或获得竞争优势。自主AI改变了这一讨论，因为这类系统可以解锁全新的市场、产品和价值流，L.E.K.的Reynolds表示，高管应在规划过程中早期就考虑这些可能性。 RSM的贝耶说：“大量有价值的信息存储在不同的记录系统中，获取这些信息可能非常困难，并且会大大延长企业获得洞察所需的时间。”以财务和会计为例，团队通常需要更多上下文丰富的数据，但被迫手动将数百万笔交易行导出到电子表格中，并运行数据透视表，仅仅是为了提取基本的洞察。他补充说，这个过程劳动密集、重复冗余、不具备可扩展性，并且容易出错。 “当组织开始考虑部署自主AI时，让他们感到困惑的是，他们仅仅将其视为一项效率提升举措，而不是更广泛地将其视为一项需要他们战略导向的挑战和机遇，”他说。 但是，如果我们能够以自动化方式获取这些数据，并运用主数据管理技术来适当地对数据进行建模，并在其上应用人工智能，我们就能非常智能地识别出会计团队应该关注的具体交易，以便他们能够 效率仍然重要，但公司也需要评估能动型人工智能如何提升其竞争力、创造增量收入以及重塑其业务本身。“未来，整个组织可能会发现自己基于人工智能拥有完全不同的商业模式。” 未来的组织可能会基于自主人工智能的能力，发现自己采用了完全不同的商业模式。 查克·雷诺兹 L.E.K. 咨询公司执行董事及合伙人 人们花费大量时间思考数据质量——这固然重要——但人工智能需要能够以非常技术化的方式翻译语义层。 企业数据分析副总裁 乔·多桑托斯 (Joe DosSantos) “他们需要优先考虑自己的工作流程和智能，”贝耶说。“但除非你在使用它和在其之上应用人工智能方面，为其分配一定的结构和严谨性，否则它就是被锁定的。” 应像对待客户代理那样对待。主数据至关重要，必须准确无误，因为许多事物都依赖它。如果搞错了，就会导致混乱，而且无法信任那些数据。” 为人工智能准备数据并非易事，但至关重要，调查发现。大约三分之一的受