2025 年：数据质量助力 AI 突破生成技术局限

   在工业领域融入人工智能（AI），需着眼于切实的转型方向，应着重构建强劲的数据基础设施，而非仅仅聚焦于生成技术。

   伴随人工智能的应用在 2025 年加速推进，重点关注可拓展且适应性佳的方案而非生成式人工智能（GenAI），将成为重中之重。其中核心要点涵盖数据的品质、管控以及实际应用场景的落地。Qlik 那些在数据与人工智能领域颇具威望的分析师指出，企业若要彻底释放人工智能的潜能，就必须着力于高质量的实时数据投入，并打造能够在多元生态系统间实现无缝对接的开放平台。

   大型语言模型（LLM）尽管在数据提取方面颇具影响力，然而仍存在不足，原因在于众多组织常常忽略对自身非结构化数据集的深度挖掘与利用。Qlik 的分析与人工智能首席技术官 Charlie Farah 称：“信任度与数据质量将会左右人工智能在 2025 年的成败。那些能够实现直观数据交互的方案，例如借助自然语言来查询数据集的方式，将会备受瞩目，因其契合了当下对可用性与可信度不断攀升的需求。人工智能在 2025 年的真正价值将体现于助力企业以负责的态度运营数据，在创新和管控、安全与合规之间达成平衡。”

  依据对 2025 年的展望预测，企业专有的业务数据将构成推动先进人工智能成果产出的关键要素。当人工智能模型趋近其性能极限时，充分运用业务数据将成为提升人工智能效率并在行业内构筑竞争优势的核心要点。

    Qlik 的澳新地区经理 Mark Fazackerley 阐释道：“业务数据堪称推动人工智能前行的动力源泉，但并非普通数据，而是专属、实时且整合完备的数据，这正是行业领军者与其他企业在数据利用上的差异所在。单纯依赖基础模型性能所带来的效益已难以为继。当下最为睿智的企业正从众多源头直接汇聚专有数据，以期收获即时成效。”

   具备以最少人工干预即可自主运作特性的代理人工智能的崛起，代表着商业技术领域的一项重大突破。为高效运用代理人工智能，Qlik 的专家提议部署开放且不局限于特定技术的平台，从而突破专有系统可能带来的创新阻碍。这类平台能够保障数据的持续流通，并促进人工智能功能的协同整合。

   Charlie Farah 表示：“人工智能的成功仰仗于可在云平台间无缝整合并保障数据持续流动的系统。封闭的生态系统会制约创新，并致使企业被禁锢于陈旧技术之中。能够与 AWS、Snowflake 和 Databricks 等环境相融合的通用平台可有效防止技术碎片化，使人工智能得以作为一个协同且自适应的整体发挥效能。”

   对数据于人工智能中的角色与管控的重视，彰显出行业环境正朝着更为理性、更具责任感的人工智能战略方向转变。这也凸显出，融合专有数据与开放系统的优质方案终将被证实极具价值。

   声明：本站所使用的图片文字等素材均来源于互联网共享平台，并不代表本站观点及立场，如有侵权或异议请及时联系我们删除。