字数 2054,阅读大约需 11 分钟
企业需迅速拥抱AI以保持竞争力,但面临数据挑战和安全顾虑。成功的关键在于整合AI架构、建立数据策略并鼓励安全实验。拥有适当的数据管理方法至关重要。
译自:Cut Complexity, Control Data: The Path To AI at Scale[1]
作者:Mohan Varthakavi
我们正从 AI 采用曲线中的炒作阶段转向实施阶段。因此,企业对 AI 的期望、其影响以及预期的投资回报率 (ROI) 正在达到顶峰。现在的问题不再是您的企业是否会部署 AI(以及在哪些部门部署);而是部署的成功程度,以及成功且有效地扩展 AI 所需的条件。
Couchbase 最近对 800 位高级 IT 决策者(例如,CIO、CTO、CDO)进行了一项全球调查[2],这些决策者来自拥有 1,000 多名员工的企业,旨在评估他们在实施 AI 方面的进展,包括投资、实验和数据策略如何促进他们的 AI 成功。根据该研究,AI 投资同比增长 52%,增速快于整体数字化现代化,73% 的高级 IT 决策者对 AI 的潜力感到兴奋。
然而,数据挑战[3]和安全顾虑[4]正在阻碍企业发展。为了将 AI 转变为竞争优势[5],组织必须掌控其数据并建立强大的架构基础。IT 领导者需要迅速采取行动,否则可能面临每年高达 8700 万美元的收入损失。
拥抱 AI 的紧迫期限
根据我们的研究,几乎所有 (96%) 受访者都认识到,他们的组织需要在某个期限前拥抱 AI。普遍共识 (87%) 是,组织需要在未来六个月内拥抱 AI,而超过四分之一的人表示期限已经过去。此外,大多数 (78%) 高级 IT 决策者都认为,AI 的早期采用者将取得最大的成功并成为行业领导者,59% 的人担心他们的业务会被更善于利用 AI 的小型竞争对手所取代。
虽然 C 级 IT 领导者明白他们必须迅速采用 AI 才能保持竞争力,但许多人缺乏有效实现 AI 的基础:64% 的人表示担心“决策瘫痪”意味着他们的组织没有尽可能快地利用 AI。更糟糕的是,66% 的人表示担心 AI 和不同的 AI 方法的发展速度超过了他们的组织能够跟上的速度。
尽管大型企业(拥有至少 10,000 名员工的公司)每年在 AI 上的平均支出为 3000 万美元,但仍然存在一些问题,这些问题正在阻止和扰乱相关项目。这些挑战包括认为失败的风险太高或已经变得太高,无法获得必要的预算或保持在预算范围内,访问或管理所需的数据时遇到问题,以及对项目满足安全或合规性要求缺乏信心。平均而言,这些问题导致企业将其战略目标推迟了近六个月,潜在成本高达 4200 万美元。
那么,公司如何才能自信地推进 AI 呢?他们需要关注三件事:整合他们的 AI 架构以降低技术堆栈的复杂性、成本和风险;建立确保强大安全性和控制的数据策略;以及实施在不过度限制创新和实验的情况下保护组织的控制措施。
AI 成功的关键
安全有效地在内部使用 AI 的关键包括:确保架构具有高性能和足够的灵活性以支持生成式 AI (GenAI);监控和管理 GenAI 应用程序的使用;以及鼓励安全实验,从而提高理解能力和产生新的功能。让我们深入探讨一下这些意味着什么。
平均而言,企业表示他们当前的架构平均寿命为 18 个月,之后便无法再支持内部 AI 应用程序。AI 架构越复杂,就越难以管理。不受控制的架构蔓延使企业面临不可接受的风险,因此整合成为当务之急。
我们调查的每位受访者都表示,他们的组织已采取行动来缩小其 AI 堆栈的规模,包括更新其策略以整合 IT 基础设施,使用 AI 应用程序来执行多项功能并替换旧版应用程序,以及减少和整合正在使用的第三方 AI 服务和应用程序的数量。
虽然这是一个良好的开端,但还需要做更多的工作。为确定性工作负载和结构化数据构建的传统数据架构无法满足 AI 对多样化、非结构化数据[6]和概率推理的需求。公司必须实施新的数据架构,超越简单的记录存储,以捕获 AI 系统的“智能历史”和思维过程。
这里的关键一步是简化复杂的架构,以正确支持 AI 工作负载。这些演进的架构应包含强大的数据和 AI 通信安全措施。它们还应优先考虑透明度和治理,以便组织可以跟踪其数据在 AI 训练中的使用方式,监控 AI 系统的决策过程,并维护 AI 生成的见解及其基本原理的详细记录。
对于 AI 的成功而言,建立强大的数据控制同样重要。我们调查的每家企业都遇到了因缺乏数据控制而引起的 AI 问题。这些问题包括 AI 将另一个组织的知识产权或其他专有信息作为答案的一部分进行共享;AI 使用或访问组织内部的专有数据;AI“幻觉”在员工意识到之前就对其采取了行动;以及由于必须仔细检查 AI 的输出而失去 AI 的效率优势。
为了更好地了解 AI 的准备情况,企业需要关注他们的数据管理策略[7],包括对数据保护、存储、访问和使用的控制,并采用技术来大规模和快速地管理和访问数据。实现此目的的一种方法是要求推理功能托管在组织边界内,无论是在虚拟私有云还是客户配置的环境中,以确保敏感数据永远不会离开安全环境。
最后一部分是鼓励 AI 实验。根据我们的调查,鼓励实验的企业会看到更一致的 AI 成功:项目进入生产的可能性高出 10%,公司在 AI 项目上的花费比采用更严格方法的企业少 13%。此外,81% 的高级 IT 决策者认为,教育和实验是 AI 开发的关键要素,74% 的人表示,即使是失败的 AI 项目,也能为下一次提供有价值的经验教训。
使其发挥作用
很明显,在有防护措施的情况下拥抱 AI 对于保持竞争优势至关重要:80% 的高级 IT 领导者认为我们正在进入一个 AI 世界,企业别无选择,只能为其构建应用程序。
大规模创建和运营 AI 应用程序取决于正确的数据管理方法。企业必须实施强大的控制措施,并使用全面且统一的多用途数据平台来简化数据架构,这些平台支持 AI 所需的各种数据。有了适当的基础,企业可以自信地驾驭其 AI 环境和支持它的数据,从而在不损害安全性的前提下释放 AI 的全部潜力。
有关 AI 采用的更多见解,请查看完整报告[8]和信息图[9]。要了解有关 Couchbase 如何帮助组织开发代理系统和 AI 应用程序的更多信息,请访问 Capella AI 服务页面[10]。
引用链接
[1] Cut Complexity, Control Data: The Path To AI at Scale:https://thenewstack.io/cut-complexity-control-data-the-path-to-ai-at-scale/[2]调查:https://info.couchbase.com/rs/302-GJY-034/images/Couchbase_CIO%20Survey%20Report%202026_FINAL.pdf?version=0[3]数据挑战:https://thenewstack.io/why-use-a-nosql-database-for-ai-there-are-many-great-reasons/[4]安全顾虑:https://thenewstack.io/can-ai-defeat-authentication-depends-on-who-you-ask/[5]竞争优势:https://thenewstack.io/enterprise-ai-success-demands-real-time-data-platforms[6]多样化、非结构化数据:https://thenewstack.io/from-unstructured-data-to-rag-ready-with-docling[7]数据管理策略:https://thenewstack.io/why-ai-agents-need-an-operational-database/[8]完整报告:https://info.couchbase.com/rs/302-GJY-034/images/Couchbase_CIO%20Survey%20Report%202026_FINAL.pdf?version=0[9]信息图:https://www.couchbase.com/wp-content/uploads/2025/07/Couchbase-CIO-AI-Survey-2026.pdf[10]访问 Capella AI 服务页面:https://www.couchbase.com/products/ai-services/

