人工智能采纳率为3%？金融行业因“数据不信任”而受阻

根据最近的一份报告，人工智能正在成为金融行业创新的关键，但阻碍其广泛采用的最大因素是“数据可靠性”。“2025 数据信任报告”发现，尽管大多数金融公司正在尝试与人工智能相关的项目，但只有 3-4% 的公司实际上在生产中实施这些项目。

报告强调，金融公司只有在可靠数据和系统治理的基础上，才能实现人工智能的潜在好处，以支持战略决策。数据信任是使人工智能技术能够在投资、风险管理和客户体验创新等各个金融服务领域发挥作用的关键因素。

拉里·亨特（Larry Hunt），一家数据管理公司的金融服务首席数据官表示：“数据不再仅仅是IT问题或合规工具。首席执行官和董事会将其视为可以创造商业价值的基础设施。” 他补充说，随着最近AI技术的快速发展，公司正在关注数据的战略价值，从而在管理层进行更积极的数据治理讨论。

尽管许多领导者目前发现与人工智能采用相关的监管合规和风险控制具有挑战性，但成功的组织将治理视为不是低效的官僚主义，而是商业推动者，并积极加以利用。亨特解释说，人工智能的采用需要建立一个能够实时分类、监控和审计数据的系统。

他还强调了技术在确保数据可信度方面的互补性，称 “现在人工智能已经被接受为主流技术，治理功能也可以通过利用人工智能的力量变得更有效。”

然而，大多数数据治理项目未能带来切实的成果，因为它们在组织内部被视为“正式系统”。亨特建议：“关注可衡量的商业成果，例如成本降低、效率提升和风险缓解，而不是在外部包装治理，能够增强成员之间的说服力和执行力。”

报告还指出，围绕数据的传统技术基础设施也是阻碍人工智能传播的一个因素。多年来进行并购的金融公司拥有不平衡和分散的系统，使得获取用于人工智能模型训练所需的一致数据变得困难。举个简单的例子，有些情况下，甚至由于缺乏内部数据，客户响应自动化所需的脚本都无法实施。

解决这些问题的关键在于基于云的数据管理和过渡到“以领域为中心的结构”。亨特评估称：“云允许计算和存储环境大规模扩展，而以数据产品为中心的设计可以最大化互操作性，同时最小化系统风险。”

这项调查重申了数据信任和治理是人工智能在金融行业以外创造真正价值所必需的基本基础。如何可靠地管理数据已成为决定公司人工智能投资成败的关键因素，而不是人工智能技术本身。

#AIDataTrust #金融人工智能 #数据治理