2025 年 11 月 13 日，IBM 发布的研究报告指出，当前阻碍企业级 AI 规模化落地的核心障碍并非技术本身，而是长期存在的数据孤岛问题。IBM 副总裁兼首席数据官埃德・洛夫利（Ed Lovely）将数据孤岛称为现代数据战略的 “阿喀琉斯之踵”，这一观点源于 IBM 商业价值研究院对 1700 名资深数据领导者的调研 —— 结果显示，企业 AI 技术已具备规模化潜力，但数据层面的碎片化问题却成为关键瓶颈， Finance、人力资源、市场营销、供应链等部门的数据仍各自孤立，缺乏统一的分类标准与共享规范，直接拖累 AI 项目推进效率与价值产出。
数据孤岛对企业 AI 的负面影响体现在多个维度。从项目周期来看，当数据分散在互不连通的系统中时，每一个 AI initiative 都需先投入 6-12 个月进行数据清洗与对齐，团队将大量时间消耗在 “寻找数据、整合格式” 上，而非聚焦于生成有价值的业务洞察。例如某制造企业尝试用 AI 优化生产调度时，因生产数据存储于 MES 系统、供应链数据在 ERP 系统、设备维护数据在独立运维平台，仅数据整合阶段就耗时 8 个月，导致 AI 模型上线时间远超预期，错失市场响应窗口。从竞争优势来看，在 AI 驱动业务决策的当下，无法高效调用数据的企业将难以快速迭代 AI 应用，进而在客户体验优化、运营成本控制等关键领域落后于同行。对 CIO 与 CDO 而言，工作重心已从 “数据收集与保护” 转向 “数据高效部署以支撑 AI 系统”，而数据孤岛显然与这一目标背道而驰。
尽管 92% 的首席数据官（CDO）认同 “自身成功取决于对业务成果的聚焦”，但仅有 29% 的 CDO 表示 “有清晰的指标衡量数据驱动成果的业务价值”，这种 “目标与能力的落差” 凸显了企业在数据价值转化上的困境。不过，具备自主学习与执行能力的 AI 智能体为解决这一问题提供了思路 ——83% 的 CDO 认为部署 AI 智能体的收益大于风险。实际案例也印证了其价值：医疗科技企业美敦力（Medtronic）曾因人工匹配发票、采购订单与交货凭证而效率低下，通过部署 AI 解决方案自动化该流程，文档匹配时间从每张发票 20 分钟缩短至 8 秒，准确率超 99%，员工得以从低价值数据录入工作转向高价值的医疗设备研发支持；可再生能源企业 Matrix Renewables 则通过搭建集中式数据平台监控资产，将报告时间减少 75%，设备停机成本降低 10%，这些案例均表明，打破数据孤岛、释放数据价值后，AI 能为企业带来显著的效率提升与成本节约。
要实现这一突破，企业需从数据架构、治理机制与人才储备三方面重构数据体系。在架构层面，传统 “将数据迁移至中央数据湖” 的模式因成本高、速度慢已逐渐被淘汰，81% 的 CDO 开始采用 “让 AI 靠近数据” 的策略，即通过数据网格（Data Mesh）、数据编织（Data Fabric）等现代架构模式，构建虚拟化访问层，让 AI 系统直接调用分散在各系统中的数据，无需物理迁移。这种架构还强调 “数据产品” 的开发 —— 将数据封装为可复用的资产（如 “360 度客户视图”“财务预测数据集”），供不同 AI 项目与业务部门安全调用，例如某零售企业将客户购买历史、浏览行为、客服反馈封装为 “客户偏好数据产品”，AI 推荐系统与精准营销模型可直接调用，避免重复数据处理。
架构优化带来数据可访问性提升的同时，也引发了治理挑战。数据主权（如不同地区的数据合规要求）成为 CDO 风险管理的核心关注点，82% 的 CDO 将其纳入核心风险策略，而 CDO 与首席信息安全官（CISO）的协作则变得至关重要 —— 二者需共同平衡 “数据使用速度” 与 “安全合规”，例如在 AI 调用跨国客户数据时，既要确保符合 GDPR、中国个人信息保护法等法规，又要避免因过度合规审查影响 AI 响应效率。
然而，最大的挑战仍来自 “人才层面”。2025 年，77% 的 CDO 表示难以吸引或留住顶尖数据人才，较 2024 年的 62% 大幅上升，且人才需求还在持续变化 ——82% 的 CDO 需要招聘 “去年尚不存在的生成式 AI 相关数据岗位”，如 AI 数据标注工程师、大模型训练数据架构师等。这种 “技能缺口” 与 “人才稀缺” 的叠加，使得许多企业即便具备技术架构与治理框架，也难以推进数据整合与 AI 落地。正如洋马控股（Yanmar Holdings）首席数字官 Hiroshi Okuyama 所言，“改变组织文化虽难，但员工正逐渐意识到决策需基于数据与事实，收集决策依据的意识在提升”，这也意味着企业需同步推进数据文化建设，让员工理解数据共享的价值，而非将数据视为部门私有资产。
针对这些问题，IBM 提出企业破局的关键路径：技术上，需摒弃数据孤岛式的存储模式，投资联邦数据架构，推动 “数据产品” 的开发与跨部门共享，确保 AI 能便捷、安全地调用全域数据；文化上，需将数据素养提升为全企业的优先级，而非仅局限于 IT 部门，通过推广数据民主化（让非技术员工也能便捷使用数据工具）、引入直观的数据交互工具，培养全员数据驱动意识。最终目标是让企业从 “零散的 AI 实验” 转向 “核心业务流程的智能自动化”，将数据视为最宝贵的资产而非应用副产品。埃德・洛夫利强调，“企业级 AI 规模化已触手可及，成功的关键在于用正确的数据为其赋能。对 CDO 而言，这意味着构建无缝集成的企业数据架构，以驱动创新、释放业务价值。做好这一点的企业，不仅能提升 AI 效能，更能重塑运营模式、加速决策、快速适应变化，从而获得竞争优势。”
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/ibm-shu-ju-gu-dao-zheng-zu-ai-qi-ye-ji-ai-fa-zhan-po-ju-xu
