Precisely周三发布第四份年度《数据完整性与人工智能准备状况》研究报告。该报告由Precisely与德雷克塞尔大学LeBow商学院应用人工智能与商业分析中心合作完成，基于对美国以及欧洲、中东和非洲（EMEA）地区500多位大型企业高级数据与分析领导者的调查。

报告指出，随着企业推动人工智能在组织范围内扩展，管理层对“已具备AI准备度”的信心与实际基础能力之间出现更明显的落差，差距主要体现在运营成熟度、数据信任与技能储备等方面。

Precisely首席数据官Dave Shuman在报告发布时表示，研究结果显示，对人工智能的信心并不必然转化为投资回报率（ROI）。他称，许多组织在快速推进AI的同时，缺乏可支撑规模化落地的、可信且受治理的数据基础；随着AI系统更趋自主，数据完整性从“可选项”变为“业务必需”。

从试点走向全面实施：基础设施、技能与数据准备成主要瓶颈

报告显示，人工智能仍是企业数据项目的重要驱动力：52%的受访者称AI是其数据项目的主要推动因素；85%的受访者表示其组织已采用自主型人工智能。

不过，研究（于2025年底开展）同时发现，当组织从AI试点转向全面实施时，基础设施、技能与数据准备方面的关键问题开始凸显。受访者一方面普遍表示具备AI所需条件，另一方面又将同一领域列为主要障碍：87%认为拥有所需基础设施、86%认为具备所需技能、88%认为数据已准备就绪；但同时，42%将基础设施视为最大障碍、41%将技能视为最大障碍、43%将数据准备视为最大障碍。

在业务对齐方面，多数组织称AI与业务目标连接良好，但仅31%的受访者表示已建立与关键绩效指标（KPI）挂钩的实际衡量指标。另有43%的领导者认为，数据准备不足是AI与业务目标对齐的最大阻碍；超过半数受访者将数据质量列为最常见的数据完整性优先事项。

数据治理成为差异化因素

报告称，过去18至24个月，市场出现拐点，人工智能正转向更强调行动执行的自主系统。研究对比了“拥有明确数据战略”与“缺乏数据战略”的组织差异，认为以准确、一致且具上下文的数据为优先，并由强数据治理支撑的组织，在执行与扩展AI项目方面的信心更高。

调查结果显示，71%拥有数据战略和数据治理计划的组织对其数据高度信任，而缺乏相关计划的组织这一比例为50%。此外，63%的受访者表示已建立某种形式的AI治理；报告同时指出，将AI治理纳入既有数据治理体系的组织表现出更高的成功率。

在数据上下文建设方面，96%的组织表示会投资位置情报和第三方数据丰富，以增强AI项目的数据语境。对于回报预期，32%拥有数据战略与治理的领导者预计，AI将在6至11个月内带来正向投资回报。

技能缺口仍未缓解

除数据准备外，人才与能力建设仍是受访组织的突出短板。51%的组织将“技能”列为AI项目的首要需求，但仅38%认为其员工技能与AI培训“非常准备充分”。

受访者提到的主要技能缺口包括：大规模部署AI的能力（30%）、负责任AI与合规专业知识（29%）、将业务需求转化为AI解决方案的能力（28%）、AI模型开发及基础AI素养（27%）。

德雷克塞尔大学LeBow商学院应用人工智能与商业分析中心教授兼学术主任Murugan Anandarajan表示，技能缺口并非单一岗位的人才不足，而是需要能够跨越数据、业务战略与AI治理的复合型能力，这也将影响组织与高校在自主型人工智能时代的人才培养方式。

自主型AI提升数据完整性要求

报告将“自主型人工智能数据完整性差距”定义为：企业现有数据能力与安全、有效支持大规模自主型人工智能所需数据能力之间的差距。报告称，自主型人工智能不仅生成洞见和内容，还可能采取行动、解读信号、做出决策并执行企业级工作流程，因此对数据基础提出更高要求。

报告指出，弥合上述差距的组织通常聚焦于统一且易于发现的数据、可信的第三方数据丰富、持续更新机制，以及更强的数据治理、透明度与自动化的“自主型准备数据”策略，以在规模化应用中提升信任、控制与效率。

Precisely表示，相关研究的更多发现可通过其发布的《2026年数据完整性与人工智能准备状况报告》获取，并将于2026年2月25日举办主题为“2026年数据完整性与人工智能准备状况”的网络研讨会，邀请Precisely与德雷克塞尔大学相关专家分享研究结果。