人工智能支出预计将在2024年达到1540亿美元，但60%的公司声称缺乏合适的数据来使其发挥作用。真相是？他们追逐的是错误的目标。当IBM和Salesforce在人工智能上投入数十亿美元时，许多企业却陷入了解决错误问题的困境。
最重要的是什么
- 人工智能投资正在飙升，但数据可获取性仍然是许多公司的障碍。
- 人工智能能力与数据基础设施之间的不匹配抑制了潜力。
- 优先考虑上下文理解，而不仅仅是数据积累。
- 提出更聪明的问题以释放人工智能的潜力。
- 关注数据的上下文，而不仅仅是模型——这是缺失的环节。
人工智能不仅仅是一个流行词——它是保持竞争力的必要条件。微软和谷歌等巨头正在将人工智能嵌入他们的平台，使得小型公司不得不拼命追赶。尽管取得了一些进展，许多企业仍然陷入无休止的数据收集，而没有明确的使用策略。最近的Gartner报告显示，64%的企业缺乏成功采用人工智能所需的熟练人员，突显了上下文的重要性，而不仅仅是数据量。
问题在于：更多的数据并不意味着更好的人工智能。IBM的十亿美元Watson人工智能计划因缺乏上下文数据而受挫，而Salesforce通过将CRM数据与人工智能整合，提升了用户互动。教训是？没有上下文，数据只是噪音。质量胜于数量。
运营商面临双重挑战：收集数据并确保其相关性和可操作性。这需要一个坚实的基础设施，以实现实时数据集成和上下文分析。关键不在于拥有数据，而在于构建一个将数据转化为洞察的生态系统。
- IBM在Watson上投资超过150亿美元，但在实际应用中遇到困难。
- Salesforce与CRM数据的人工智能整合使客户参与度在去年提升了30%。
- 根据Gartner的报告，64%的公司将缺乏熟练人员视为有效使用人工智能的障碍。
- Forrester的一项研究发现，使用上下文人工智能的公司决策速度提高了55%。
- 人工智能市场支出预计到2024年将达到1540亿美元，显示出显著的投资。
来源说明：Gartner和Forrester的数据来自他们的市场研究报告，而IBM和Salesforce的例子反映了市场活动。
普遍的看法是，更多的数据会导致更好的人工智能。这是一个神话。真正的问题在于缺乏可操作的上下文。IBM的重资源人工智能投资在没有坚实数据基础设施的情况下陷入困境。相比之下，Salesforce表明，将人工智能与现有数据整合可以带来快速的胜利。更多的数据并不等于更好的人工智能；上下文才是关键。
快速检查清单
- 审查你的数据基础设施以寻找上下文缺口。
- 确定人工智能可以从现有数据中提供可操作洞察的地方。
- 培训你的团队有效解读和使用人工智能生成的数据。
- 探索增强数据上下文的工具或合作伙伴关系。
- 定期评估你的数据回答了哪些问题并调整策略。
本周要做的事情
打开你的分析仪表板，找出一个数据利用不足的领域。考虑上下文洞察如何增强该领域的决策。收集团队对其需求最相关数据的反馈，并探索将其整合到你的人工智能策略中。