文章作者：尼克·伯林（Nick Burling），纳苏尼公司（Nasuni）首席产品官
企业人工智能转型现状
近几个月来，我与数百位企业高管和IT领导者就人工智能转型工作进行了交流。一些企业正在使用自有数据集构建和训练定制化人工智能模型，而另一些企业则刚刚起步，可能还未能区分2000年代早期的机器学习方法与当今先进的基础模型之间的差异。
这些持谨慎态度的管理者都是在大型组织担任基础设施领导职务的资深技术专家。他们对人工智能持保留态度的原因主要有三：
- 对相关企业的持续性存在疑虑
- 根据星座研究公司（Constellation Research）的调查，42%的企业领导承认尚未从人工智能项目中获得投资回报
- 临近退休的管理者不愿意在职业生涯末期推动可能带来管理难题的技术变革
数据管理现代化的三个关键步骤
1. 优化非结构化数据管理
以一位即将退休的政府机构存储管理员为例，他通过将视频等非结构化数据迁移到云端，不仅降低了存储成本，还为未来可能的人工智能应用奠定了基础。
2. 打破数据孤岛限制
根据国际商业机器公司（IBM）的研究，82%的企业表示数据孤岛影响了其关键业务流程。统一数据访问不仅能提升当前工作效率，也是未来应用人工智能的必要基础。
3. 构建边缘-云计算体系
以制造业为例，工厂内的传感器持续产生大量数据。这些数据既需要在边缘端快速处理，也要在云端统一管理和归档。建立灵活的数据基础设施，能够适应未来各种场景的需求。
务实的转型建议
无论您对人工智能持何种态度，优化数据管理都是一项明智的基础设施投资。这不仅能解决当前的业务需求，还能为未来的技术发展预留空间。建议企业从数据管理现代化开始，循序渐进地推进数字化转型。