2026-09-11 · 来源：{'name': 'Unite AI', 'url': 'https://www.unite.ai/scaling-enterprise-agentic-ai-data-governance/'}
一份最新分析认为,模型并非企业AI的瓶颈;碎片化的数据与不明晰的归属权,让试点项目难以转化为企业级价值。
Unite AI近期发布的一份分析指出,制约企业人工智能的瓶颈并不在模型内部的技术。如今,企业启动试点项目、自动化常见任务、搭建概念验证部署的速度都前所未有。然而,公司往往无法把这些实验转化为更大范围的成果,最终只留下一个个孤立的“AI”成功案例,无法在整个业务中形成复利效应。
诊断结论十分直白:问题不在模型,而在模型运行的环境。该分析认为,企业数据体系的设计早于AI成为核心业务选项之时,其架构所依据的种种假设也先于当今的智能体工作负载。两大规模化难题尤为突出——数据分散在互不连通的系统中,以及数据归属不明。结果就是,即便模型本身已不再是限制因素,规模化难题依然挥之不去。
这篇文章以Wipro与HFS Research近期的一项研究作为论据支撑,围绕智能体AI部署及其背后的数据治理架构来阐述这一挑战。换言之,迭代速度已不再是差异化优势;许多企业如今都已具备这一能力。
萬安算交所 AIXX · 算力硬件实名会员制交易平台 · 进入货源大厅