克服 IT 部门以外的 AI 障碍
解锁业务用例并将 AI 引入组织并非是一个简单的过程，组织需要克服多种不同的因素。牛津经济研究院和 IBM 的研究强调了 6,000 名受访者面临的一些挑战（从高到低）：
管理变革困难
难以确定数据/应用程序应托管在何处
数据治理挑战
与多家 AI 提供商合作构建和管理模型的难度
安全性与合规性问题
难以整理相关数据以利用人工智能
利用跨多云数据的运营挑战
市场技术不成熟
缺乏可用数据
预算问题
缺乏劳动力技能
缺乏员工支持
缺乏高管层的支持
数据是关键燃料
统一云和 AI 开发需要坚实的主数据管理基础。“只有拥有 比利时电话号码数据 大量数据，才能拥有良好的 AI 或良好的结果，而云提供商肯定拥有最多的数据，”Flex 首席信息官 Gus Shahin 表示，Flex 是一家市值 250 亿美元的全球性电子制造商。他进一步解释说，“因此，他们将率先提出更好的智能。毫无疑问，因为他们拥有大量数据。”
尽管某些类型的数据通常仍驻留在本地或私有云中（包括有关财务报告和知识产权的敏感信息），但这些类型的数据仍然需要与其他数据集成，以支持跨职能的高级分析、自动化和协作。
数据的可用性不再是大多数公司面临的主要问题——在牛津经济研究院和 IBM 的研究中，只有 17% 的公司认为数据可用性是采用人工智能的障碍——但数据管理却是一个问题。
数据治理 29% 的受访者表示，难以整理相关数据以利用 AI 是采用 AI 的障碍，约四分之一的受访者表示，类似的挑战阻碍了他们采用云。拥有一个统一的数据、云和 AI 平台对于促进数据共享和实现分析/机器学习至关重要。