Gartner路线图：AI数据就绪的关键要素.docx

路线图

AI数据就绪的

关键要素

如何治理、筛选和对齐数据，以便有效利用AI创造价值

何为AI就绪数据？它为何如此重要？

如果未能识别AI就绪数据标准与传统数据管理之间的关键差异，企业将在AI项目实施过程中面临显著风险。

缺乏就绪数据的支持，企业将难以充分释放AI的潜力。强有力的数据管理与治理是AI成功部署的基础，而AI驱动的优化策略则能够进一步提升这些核心能力。企业若想通过AI赋能业务，必须掌握数据就绪的关键步骤和实施策略。

AI

AI就绪

为AI应用奠定坚实的数据基础；利用AI实现更高效的数据管理。

数据质量

数据目录化可视化

数据产品

数据工程数据血缘

可扩展性与性能

来源：Gartner

传统数据管理

AI就绪数据

AI数据标注语义学

向量嵌入分块

以业务为驱动的工作流程

AI数据偏差缓解

AI合成数据

AI数据丰富

政策法规

提示工程

预计到2025年，

30%

的生成式AI（GenAI）项目将在概念验证阶段后被终止，原因包括数据质量问题、风险控制不足、成本上升或缺乏明确的业务价值等。

路线图：AI数据就绪的关键要素2Gartner官网成为客户

路线图：AI数据就绪的关键要素2

AI就绪数据的条件有哪些？

AI就绪数据是指能够支持特定用例的高质量数据，涵盖训练或运行AI模型所需的模式、多样化异常、边界案例及非预期情况。AI就绪数据并非一次性搭建就一劳永逸的数据，企业也无法对所有数据进行预先准备。它是一种以元数据驱动的动态实践，通过持续的数据对齐、验证与治理，确保数据满足AI落地的需求。

AI数据就绪数据对齐▲AI数据就绪持续验证数据质量战略对齐验证治理?量化?

AI数据就绪

数据

对齐

▲

AI数据就绪

持续

验证数据质量

战略对齐

验证

治理

?量化

?一致性评估

?数据管控

?语义学

?验证与核实

?数据推理与派生

?质检

?运营服务水平协议

?监管与合规

?可信度与公正性

?版本控制

?AI标准化支持

?多样性

?持续回归测试

?数据共享

?数据血缘

?可观测性指标

4

基于语境的

数据治理

来源：Gartner

路线图：AI数据就绪的关键要素3Gartner官网成为客户

路线图：AI数据就绪的关键要素3

在制定数据就绪方案并确定要素优先级时，需要明确三个关键问题：

1

您的企业数据是否已与特定用例的需求精准对齐？

2

如何验证数据使用情况，以确保满足AI战略所需的可靠性？

3

如何在特定用例中高效治理数据？

成功实现数据就绪需要经历哪些关键阶段？

实现规模化治理扩展数据管理生态系统持续优化数据管理实践获得董事会的支持本路线图明确了数据就绪的目标与预期成果的优先次序，为协调各方利益相关者提供了指导。通过与成功实施AI数据就绪计划的客户深入交流，我们精心制定了这份路线图。在此，我们将重点介绍一些关键里程碑及相关的Gartner

实现规模化治理

扩展数据管理生态系统

持续优化数据管理实践

获得董事会的支持

评估数据管理就绪度

路线图：AI数据就绪的关键要素4Gartner官网成为客户

路线图：AI数据就绪的关键要素4

扩展数据管理生态系统持续优化数据管理实践获得董事会的支持

扩展数据管理生态系统

持续优化数据管理实践

获得董事会的支持

评估数据管理

就绪度

实现规模化治理

第1阶段

根据AI用例评估数据需求

Gartner客户可获取的资源示例

Gartner客户可获取的资源示例

?检查清单：评估您的数据管理水平是否满足AI项目的需求

?快速解答：数据就绪的条件

?研究报告：面向首席数据与分析官（CDAO）的生成式AI行动手册

?视频：数据就绪如何推动生成式AI创新

明确支持AI用例的数据治理需

明确支持AI用例的数据治理需求，包括数据管理，以及数据和AI相关标准与法规。

确保数据满足AI用例的核心要求，包括量化、语义学、数据质量，以及信任与多样性的关键指标。

确保数据满足AI用例的预期要求，包括审核与验证、性能优化、成本管控以及非功能性约束。

获取更多详情：下载《AI机遇雷达图》，掌握规划AI战略目标的最佳实践。

路线图：AI数据就绪的关键要素5Gartner官网成为客户

路线图：AI数据就绪的关键要素5

扩展数据管理生