（文/Cloudera大中华区技术总监 刘隶放）在当今激烈的竞争环境中，企业的成功离不开很大程度上取决于其是否实施了明智的战略。从产品开发到市场拓展，每项决策都需要有一条清晰的成功路径。如果企业在各个层面都没有明确目标和方向，即使是天才的想法也可能以失败告终。当企业需要应对生成式AI 等新兴技术带来的复杂性时，这一点会变得更加重要。

2024年麦肯锡的一项AI调查显示，自 2023年上一次调查以来，经常使用生成式AI 的企业数量几乎翻了一倍。而毕马威的2023年生成式AI调查报告发现，企业正面临着五大挑战，包括不清楚生成式AI的实施方法、领导层不理解为何采用生成式AI并缺乏相关战略等。美国人工智能和分析软件公司SAS以及科尔曼·帕克斯研究公司（Coleman Parkes Research）在2024年对全球1600名行业决策者进行的一项调查中发现，83%的中国受访者表示他们已经开始使用生成式AI技术，这一比例高于参与调查的其他国家和地区。

显然，企业已意识到生成式AI是促进创新和提高生产力的绝佳机会，但要真正释放其商业价值，关键在于有目的的采取行动。

业务目标与AI战略对齐

生成式AI 工具的潜力已毋庸置疑，但仅仅部署这项技术并不能保证企业能够最终成功运用AI。如果企业缺乏明确的目标和期望，实施时就会困难重重。

如果企业的整体AI战略与核心业务目标不一致，就可能导致资源浪费并错失良机。埃森哲的一份报告显示，四分之三的企业机构未制定能够提高员工业绩和体验的综合战略。

因此，企业领导人必须采取更大胆、具体的措施，加快采用AI的速度，以保持企业的领先地位。办法很简单，明确目的才能实现投资收益。

首先是制定清晰的数据战略，将数据视为战略资产。通过将数据的使用与业务优先事项相结合，企业将能够充分利用生成式AI的力量简化工作流程，获得业务洞察。其次，从高层做起，培养学习文化至关重要。领导人应明确传达企业的AI战略和目标，为员工信任和使用不断发展的AI技术打下基础。最后，通过培训计划为员工提供必要的资源、技能和知识，确保员工具备足够的能力和专业知识紧跟AI应用不断变化的步伐。

利用现代化基础架构支撑AI战略

传统基础架构具有分散性，导致有用的数据经常被困在过时且孤立的系统中，同时滋生数据蔓延问题，造成分散且无结构的数据瓶颈，阻碍企业从AI模型中提炼有价值的洞察。

由于AI系统的成功离不开高质量、多样化的数据。因此，能够获取高质量数据资源的企业可以更好地利用AI简化运营、更大程度地提高 IT 投资回报，同时发掘新商机。另一方面，企业若不对堆栈进行现代化改造，就有可能面临被淘汰的风险。

要摆脱传统系统，企业需要投资于可扩展、安全且具有弹性的数据架构，以支持AI模型产生的、不断增加的数据工作负载。通过利用实时数据处理、存储和集成，企业可以充分发挥AI潜力，自动化某些任务，并优化预算。

某国家银行就是利用生成式AI的企业之一。该行希望提高区域和商业银行办公室的工作效率，并改善其信贷机制和交易银行平台，以提供更加个性化的客户体验。其最新IT部署支持该行迅速扩大生成式AI业务的规模，从而满足全球客户群的不同需求，为其利益相关方带来更大的价值。

此外，现代化数据平台鼓励数据驱动型文化，这意味着从AI模型中获得的洞察可以为产品开发、营销策略和客户服务提供参考。同时，如果能够让员工访问企业位于各处的所有数据，允许他们在任何地方运行分析，并在所有环境中保持数据安全和治理的一致性。借助真正的混合平台，企业所有数据都能用于AI分析，从而加快以数据为支撑的决策速度，获得行业竞争优势。

华侨银行（OCBC）某分行是采取这些措施以提升客户体验的企业之一。该行认为，在预测消费者需求和提供个性化建议方面，技术与客户体验密不可分。这种以客户为中心的理念促使该行创新，并实施与数据湖无缝集成的混合数据战略。这一现代化数据技术的落地为该行启动生成式AI 项目铺平了道路，从而保持其在银行业的领先地位。

由于数据量和数据来源会持续增长，企业越来越需要一个强大的数据平台，以满足其业务和AI模型不断发展的需求。

安全可信的数据是有效使用AI的起点

由于AI系统依赖大量数据，因此真正的挑战在于确保数据的可信度。如果企业想要部署AI解决方案，就应该以此为基础。

一个安全、灵活的平台能够让企业可靠、无缝地且大规模获取有价值的洞察，从而加快决策速度，实现更具前瞻性的数据驱动型战略。通过为AI计划奠定基础，企业能够在数据驱动的未来凭借一致且公平的洞察更好地适应不断变化的环境，最终取得业务成功。

让AI具有持久影响力

负责任的生成式AI战略实施方案会把明确目标放在第一位，对员工更加公开透明，并建立起强大的数据基础。这就是为什么目标明确至关重要。为此，企业领导人、技术团队和员工需要长期合作，共同应对伦理问题，确保AI具有持久影响力，而不是昙花一现的工具。