**划重点:**
1. 📊 调查显示，亚太地区数据领袖计划在未来24个月内将生成式人工智能纳入商业运营，但在采用过程中面临道德和隐私挑战。
2. 💡 数据领袖强调，成功实施生成式人工智能需要全面、集成的数据管理能力，投资于这方面对释放潜力至关重要。
3. 🌏 亚太地区数据领袖关注数据伦理、隐私保护等问题，澳大利亚和新加坡数据领袖在生成式人工智能实施中遇到的主要障碍是数据偏见和碎片化。
站长之家(ChinaZ.com) 2月1日 消息:企业云数据管理领导者Informatica发布了其年度调查结果，题为《CDO Insights2024:制定AI准备路线》。调查聚焦全球数据领袖，包括首席数据官在内，有600名受访者提供了他们对生成式人工智能准备的见解，并突显了在实施该方法时的关键技术和组织障碍。调查还分析了2024年有关数据和数据管理的顶级策略和优先事项。
图源备注：图片由AI生成，图片授权服务商Midjourney
亚太地区的数据领袖，包括澳大利亚、中国、印度、日本、韩国、马来西亚和新加坡等地区，计划在未来24个月内将生成式人工智能纳入其商业运营。生成式人工智能的实施正在主导数据领袖的战略，但成功实施需要在数据管理方面进行全面、集成的投资，以实现生成式人工智能所提供的潜力。Informatica首席产品官Jitesh Ghai将这些能力视为解锁生成式人工智能潜力的关键，可以“使企业完全掌握其不断扩大的数据资产”。
调查结果还显示，64%的韩国和75%的印度已将生成式人工智能融入其商业实践，澳大利亚（53%）和新加坡(63%)预计将在未来1至24个月内推出生成式人工智能。然而，亚太地区的许多受访者在采用生成式人工智能时遇到了挑战，其中包括人工智能伦理(42%)和数据隐私与保护(42%)等问题。在澳大利亚，最大的障碍是避免可能对人工智能模型产生负面影响的数据偏见。数据碎片化和复杂性也是阻碍因素，亚太地区56%的数据领袖在公司的1000多个数据源之间平衡方面遇到了困难。
因此，78%的数据领袖预计2024年数据源的数量将增加，使数据准备成为考虑人工智能和数据战略回报率时的首要问题。在澳大利亚，数据领袖确定无法证明投资回报率以及对其数据管理战略的预算控制不足是重大障碍。因此，投资于支持生成式人工智能的数据管理能力至关重要。数据领袖将数据治理改进（40%）、数据隐私与保护(45%)、数据质量与可观察性(42%)以及数据集成与工程(40%)列为2024年的重点策略。
Ghai强调生成式人工智能的采用与强大的数据管理策略密不可分，这一事实正在全球范围内越来越受到数据领袖的重视。然而，尽管生成式人工智能带来了巨大的机遇，但其复杂性对企业和数据领袖带来了挑战，从管理不同且不断演变的数据生态系统到实施中的多个组织和数据障碍。报告总结指出，数据领袖必须认识到人工智能和数据管理是成功的相互推动因素，最大化它们的潜力将为组织的未来带来变革性的改变。
（举报）
