人工智能採納率爲3%？金融行業因“數據不信任”而受阻

根據最近的一份報告，人工智能正在成爲金融行業創新的關鍵，但阻礙其廣泛採用的最大因素是“數據可靠性”。“2025 數據信任報告”發現，盡管大多數金融公司正在嘗試與人工智能相關的項目，但只有 3-4% 的公司實際上在生產中實施這些項目。

報告強調，金融公司只有在可靠數據和系統治理的基礎上，才能實現人工智能的潛在好處，以支持戰略決策。數據信任是使人工智能技術能夠在投資、風險管理和客戶體驗創新等各個金融服務領域發揮作用的關鍵因素。

拉裏·亨特（Larry Hunt），一家數據管理公司的金融服務首席數據官表示：“數據不再僅僅是IT問題或合規工具。首席執行官和董事會將其視爲可以創造商業價值的基礎設施。” 他補充說，隨着最近AI技術的快速發展，公司正在關注數據的戰略價值，從而在管理層進行更積極的數據治理討論。

盡管許多領導者目前發現與人工智能採用相關的監管合規和風險控制具有挑戰性，但成功的組織將治理視爲不是低效的官僚主義，而是商業推動者，並積極加以利用。亨特解釋說，人工智能的採用需要建立一個能夠實時分類、監控和審計數據的系統。

他還強調了技術在確保數據可信度方面的互補性，稱 “現在人工智能已經被接受爲主流技術，治理功能也可以通過利用人工智能的力量變得更有效。”

然而，大多數數據治理項目未能帶來切實的成果，因爲它們在組織內部被視爲“正式系統”。亨特建議：“關注可衡量的商業成果，例如成本降低、效率提升和風險緩解，而不是在外部包裝治理，能夠增強成員之間的說服力和執行力。”

報告還指出，圍繞數據的傳統技術基礎設施也是阻礙人工智能傳播的一個因素。多年來進行並購的金融公司擁有不平衡和分散的系統，使得獲取用於人工智能模型訓練所需的一致數據變得困難。舉個簡單的例子，有些情況下，甚至由於缺乏內部數據，客戶響應自動化所需的腳本都無法實施。

解決這些問題的關鍵在於基於雲的數據管理和過渡到“以領域爲中心的結構”。亨特評估稱：“雲允許計算和存儲環境大規模擴展，而以數據產品爲中心的設計可以最大化互操作性，同時最小化系統風險。”

這項調查重申了數據信任和治理是人工智能在金融行業以外創造真正價值所必需的基本基礎。如何可靠地管理數據已成爲決定公司人工智能投資成敗的關鍵因素，而不是人工智能技術本身。

#AIDataTrust #金融人工智能 #數據治理