据一项研究发现，投资现代数据对于成功扩展人工智能至关重要，但一半的企业面临成本障碍。从长远来看，现在可以投资于数据管理的企业将成为人工智能的领导者。
69%的受访者至少有一个正在投入生产的人工智能项目，其中28%的项目已经达到企业规模。虽然寻求创造新价值主张的企业和研究组织正在加速采用人工智能，但该研究表明，数据基础设施和人工智能可持续性挑战，为大规模成功实施人工智能带来了障碍。该报告强调，由于整个2023年，生成式人工智能在企业内部的发展非常迅速，这些挑战将如何增加。
数据管理会成为人工智能革命的最大挑战吗?
人工智能的采用持续增加，但企业规模仍然是一个挑战。WEKA与标准普尔联合对1500名全球人工智能决策者进行了调查，并公布了这些结果。它确定了企业在其人工智能旅程中遇到的机遇和障碍，以及全球各行业采用人工智能的独特动力。它还提供了有关企业未来需要采取哪些步骤才能成功使用人工智能的见解。
32%的受访者将数据管理视为AI/ML部署的技术障碍。此外，安全性(26%)和计算性能(20%)的挑战压倒一切，证明许多企业当前的数据架构不适合支持人工智能革命。
77%的受访者认为，传统架构和数据基础设施会影响他们的可持续发展绩效，74%的受访者表示，可持续发展是将更多工作负载转移到公共云的重要或关键动力。
68%的受访者还表示，他们担心人工智能/机器学习对其企业的能源使用和碳足迹的影响。
随着人工智能计划的进一步发展，需要采用混合方法和多个部署位置来支持工作负载需求。传统数据基础设施对其高效、可持续地大规模使用人工智能的能力，产生了直接的负面影响，因为它们在开发时没有考虑到，现代性能密集型工作负载或混合云和边缘模式。
正如我们不会期望使用20世纪90年代开发的电池技术，来为特斯拉等最先进的电动汽车提供动力一样，我们也不能指望为上世纪的数据挑战而设计的数据管理方法，能支持生成式人工智能等下一代应用。
构建现代数据堆栈旨在支持从边缘到核心，再到云无缝跨越的人工智能工作负载需求的企业，将成为未来的领导者和颠覆者。
