人们对当今科技的所有奇迹都无比兴奋——人工智能、实时分析、虚拟现实和互联企业等等。然而，如果没有正确的数据，这些举措就会陷入僵局。两项新的调查警告说，公司仍然需要整理他们的数据仓库，因此，他们还没有准备好推进诸如生成式人工智能（gen AI）之类的计划。
在整个商业环境中，数据处理和人工智能开发之间存在着一种令人不安的关系。挑战在于，在数据驱动或基于人工智能的计划中，数据仍然是一种风险，而不是一种资产。
Redgate Software首席财务官史蒂夫?米切尔（Steve Mitchell）表示：“许多企业在大举进军人工智能和其他尖端项目的同时，并不明白如何重视技术和数据库的投资，仍然将其视为纯粹的成本中心。”“然而，有些企业已经证明了数据带来的增长和巨大的价值创造机会，以及迅速利用不断增长的数据量的能力。更多的组织需要并将寻找更强大的方法来衡量更快和改进的以数据为中心的决策所带来的好处——改进的商业执行，减少浪费的努力和资源，更满意的团队，等等。”
Presidio对1000名IT高管进行的一项调查发现，尽管人工智能仍然是IT投资的优先事项，但由于数据困境，势头正在放缓。至少86%的受访者报告了与数据相关的障碍，例如难以获得有意义的见解和实时数据访问问题。
调查显示，半数受访高管认为，他们在充分准备之前就投入了人工智能。在已经采用人工智能的企业中，84%的企业在数据源方面遇到了问题。该调查的作者表示：“这表明，准备就绪不仅仅是采用技术，还包括拥有正确的数据和基础设施。”
在实施人工智能方面也存在犹豫。超过九成（92%）的IT领导者表示，他们对将人工智能整合到运营中感到担忧。
五分之一的受访者（20%）警告说，人工智能项目失败的原因是太快投入实施。另有17%的人提到了数据质量问题。这一点在医疗行业高管中尤为明显，超过四分之一（27%）的高管指出，仓促采用新技术是失败的主要原因。
Quest软件和企业战略集团（Quest Software and Enterprise Strategy Group）对220名商业和IT专业人士进行的另一项调查显示，通往人工智能和数据驱动的成功之路建立在治理的基础上，这是许多公司目前面临的难题。调查发现，人工智能数据准备和运营效率现在是许多高管最关心的问题。
33%的受访者表示，将数据和治理发展到人工智能就绪状态，使其成为影响组织数据价值链的前三大瓶颈，其次是理解源数据的质量（38%），并与33%的受访者表示在寻找、识别和收集数据资产方面存在挑战。
受访者报告说，管理人工智能模型和数据的使用（以交付数据映射、数据谱系和数据策略）是他们面临的最困难的管理挑战。人工智能治理位居榜首，元数据管理（人工智能数据准备的关键组成部分）同比增长21%。数据质量监控、数据质量修复、数据分析和质量评分，以及数据策略和控制是企业当前面临的主要挑战。
