为什么可信数据是扩展 Responsible AI 的关键：作者：Andrew Abraham

人工智能正在以前所未有的速度改变各行各业。展望未来，我们今天发布的新研究显示，虽然 90% 的英国商界领袖都认为高质量数据对于 Responsible AI 至关重要，但只有 43% 的人相信他们的数据足以支持它。负责任的人工智能——指导人工智能的道德开发、部署和使用的原则和实践——如果没有高质量的数据，就不可能实现。

这一差距凸显了一个严峻的挑战。随着人工智能采用的加速，许多企业仍在努力构建安全有效部署所需的强大数据基础和有效治理框架。尽管大多数人认识到他们所持有的数据的价值，但由于人们对准确性、完整性和相关性的持续担忧，信任仍然是一个障碍。

为什么这很重要？人工智能的潜力在于其快速分析和统一大量信息的能力，以释放有意义的见解并提高生产力。但如果它所训练的数据有缺陷、不完整或不具有代表性，那么不准确或不合规的输出（或“幻觉”）的风险就会增加。最终，不可靠的数据会导致人工智能不可靠，并可能导致决策有偏见、违反监管规定以及代价高昂的声誉损害。

信任必须建立在数据和人工智能的基础上。对数据的信任来自于对数据准确、完整和最新的信心。当系统可解释、负责任且符合人类和业务目标时，就会建立对人工智能的信任。正是这种信任将尝试人工智能的企业与负责任且可持续地扩展人工智能的企业区分开来，同时确保他们实现人工智能投资的投资回报率。

那么，企业如何才能有效地建立这种信任呢？

• 建立明确的人工智能治理：治理不需要很复杂。专门的团队和框架将为您提供对所有人工智能资产（包括数据、模型和部署的代理）的集中监督和控制。这种结构将使您能够明确定义所有权、维护质量和道德标准，并确保整个人工智能生命周期的合规性。
• 优先考虑数据质量：将数据质量嵌入人工智能开发过程的每个阶段。您可以在这里进行定期检查、标准化和丰富数据，以确保其适合目的，并确定需要进一步关注的优先领域。 良好的数据质量不是一次性的任务；这是一种持续的承诺，将推动人工智能取得更好的成果。
• 投资可扩展的技术：企业需要能够与他们一起成长并适应不断变化的需求的工具。对于数据而言，这包括基于云的数据仓库、数据质量和治理解决方案，以及支持人工智能就绪数据和部署后有效管理的服务。最终，随着人工智能功能的扩展，可扩展的平台将确保敏捷性和弹性。
• 选择合适的合作伙伴：与您共同致力于稳健的数据治理和质量标准、了解您的业务目标以及数据在帮助您实现这些目标方面所发挥的作用、了解您的组织在 AI 成熟度之旅中所处的位置以及帮助灌输透明度和合规性对于长期成功的重要性的合作伙伴至关重要。

关于最后一点，许多组织已经朝这个方向采取措施。例如，我们在整个人工智能生命周期中与企业合作——从最初的培训阶段到部署后的监督——帮助他们有效地管理和准备数据。

进入 2026 年，人工智能话题将从实验转向问责。现在投资可信数据基础的企业将能够在未来几年充满信心地引领、负责任地扩展并释放人工智能的全部潜力。