共计 1972 个字符，预计需要花费 5 分钟才能阅读完成。
预测未来 AI 项目所需的数据看似一项艰巨任务，但通过提前准备，企业可以确保其 AI 项目获得成功所需的关键信息。
核心要点
- 警告：向 AI 输入低质量数据，输出也将是低质量的。
- 采取战略性数据收集方法，专注于关键信息。
- 保持灵活性，以应对语言模型和商业需求的变化。
研究表明，尽管从 AI 项目中创造价值具有挑战性，但成功的项目离不开大量高质量的数据。无论是推广生成式 AI，还是探索代理式 AI，支持新兴技术解决方案的语言模型都需要访问海量信息资源。随着企业在 2026 年及以后扩大 AI 应用，获取正确的数据资产变得至关重要。
那么，如何确保组织为其 AI 项目收集到合适的信息？五位商业领袖分享了他们的建议。
1. 深思熟虑的数据收集
英国养老金监管局（TPR）的数字、数据和技术总监 Paul Neville 表示，该机构在收集数据用于新兴技术项目时采取了极为谨慎的态度。
“AI 的输出取决于其输入的数据，”他指出，“如果输入的是垃圾数据，输出的也将是垃圾。这一点非常明确。”
Neville 强调，良好的数据实践、治理和所有权是确保组织将正确信息转化为洞察的基础。TPR 还密切关注技术合作伙伴（如 OpenAI 和 Microsoft Azure）的外部发展。
“他们的模型在不断更新，新版本将影响我们的结果。因此，我们必须紧跟创新周期，确保监控结果并调整流程以获得最佳效果，”他解释道，“为此，我们专门设立了新的 AI 治理和战略角色。”
2. 专注于关键信息
英国汽车故障救援专家 RAC 的数据和洞察负责人 Ian Ruffle 认为，专业人士不应过于纠结于预测未来创新所需的信息类型。
“我认为应该专注于对当前业务至关重要的事情，”他表示，“与其分散精力，不如在较少的领域做到极致。”
RAC 正在使用 Snowflake 的 AI 数据云技术，将曾经分散的数据孤岛整合为支持洞察的项目基础。
Ruffle 指出，现代数据平台的存储能力意味着一些专业人士可能会选择保留所有数据以备不时之需。
“如今存储数据的成本相对较低，”他说道，“因此，如果你认为某些数据未来可能具有价值，可以采取这种策略。”
然而，Ruffle 也承认，从大量数据中筛选出有价值的信息可能是一项资源密集型任务。他建议，更明智的做法是严格控制信息收集。
“在构建预测模型或为呼叫中心流程设计用例时，最好专注于那 20% 的关键信息。”
3. 制定灵活的数据策略
招聘专家 PageGroup 的首席信息官 Dominic Redmond 强调，商业领袖必须为数据收集制定前瞻性和灵活的策略。
“有人告诉我，你可以等待别人告诉你影响会是什么，或者你可以尝试制定计划来预测并管理这些影响，”他表示，“我认为数据也是如此。最终，你只能依靠组织中的数据。因此，关键问题是，‘哪些数据将是最有价值的？’
Redmond 承认，在 AI 时代，有效回答这个问题并不容易。
“我们无法确定，第一年所需的数据是否与第二年或第三年相同，”他解释道，“我们也不知道 AI 是否能以不同于过去的方式帮助我们获取这些数据。”
Redmond 建议，最佳方法是制定一个计划，确定未来项目所需的最重要数据，同时为适应新业务需求留出空间。
“成功的关键在于数据敏锐度和数据驱动，同时确保捕捉到所有可能的数据，并随着市场和行业的变化保持灵活性。”
4. 挖掘数据中的金粉
家居用品制造商 Joseph Joseph 的首席供应链官 Sacha Vaughan 表示，企业应同时关注长期目标和当前优先级。
作为这一过程的一部分，她建议将数据存储与明确的业务流程联系起来，例如利用洞察优化供应链运营。
“未来，收集所有数据的挑战可能难以克服，”她指出，“如何收集所有数据？需要什么样的数据存储？”
Vaughan 强调，她渴望利用数据、AI 和分析来改进业务流程，并举例说明了这一方法的潜力。
“如果我们能找到一种收集和分析客户洞察的方法，深入到细节，那将是非常棒的，因为即使从客户评论和投诉中，也能发现一些对设计的金粉，”她解释道，“关键在于建立一个机制来挖掘这些数据，并将其反馈给设计师，帮助他们获取有关产品部分的客户反馈，从而为未来设计提供思路。”
5. 语义的重要性
技术公司 Boomi 的首席执行官 Steve Lucas 认为，数字和商业领袖应考虑的关键问题是“如何存储对 AI 重要的正确数据？”——解决这一挑战的关键在于语义。
“你可能拥有所需的所有数据。数据就像沙子。但你有这些信息的上下文吗？”
Lucas 指出，有效的分类和标记可以帮助专业人士找到重要的数据。
“你可以查询数据库并获得对你问题的确切回答吗？当然可以。但如果你在寻找数据中的相似性，这些相似性才是真正重要的。因此，在这种情况下，目录和元数据将比原始数据本身更有价值。”
Lucas 表示，大型科技公司可以帮助商业领袖确保其组织专注于存储对 AI 重要的正确数据：“他们正在花费数十亿美元。让这些投资为你省钱并指引你的道路。”
