首席數(shù)據(jù)官 (CDO) 的角色發(fā)生了巨大變化。曾經(jīng)的后臺職能已被推到業(yè)務戰(zhàn)略的最前沿。CDO 現(xiàn)在發(fā)現(xiàn)自己處于第一線，肩負著將人工智能和分析轉化為切實的業(yè)務優(yōu)勢的任務，壓力很大。

如今，CDO 需要做的不僅僅是談論 AI 驅(qū)動的決策，他們必須讓其發(fā)揮作用。否則，他們可能會陷入與之前許多人相同的陷阱：大規(guī)模的 AI 投資永遠不會轉化為商業(yè)價值。

投資回報率不明確、治理差距以及分析與業(yè)務目標之間的脫節(jié)已經(jīng)導致無數(shù)人工智能項目在擴大規(guī)模之前就夭折了。

那些彌補差距、證明人工智能和分析能促進收入增長的企業(yè)將獲得晉升。而那些沒有做到這一點的企業(yè)將發(fā)現(xiàn)其影響力正在減弱，預算也將縮減。

你會選擇哪條路？

將數(shù)據(jù)與可衡量的業(yè)務影響聯(lián)系起來

高管們喜歡數(shù)字——直到他們不再喜歡。毫無疑問，讓高管們從懷疑論者變成堅定使用的唯一方法是展示數(shù)據(jù)、分析和人工智能計劃的清晰、量化的投資回報率 (ROI) 。

重要的是要記住，這種懷疑往往針對的是結果，而不是人工智能本身。正如《福布斯》的一篇文章所說，“許多技術專家既看到了人工智能的前景，也看到了巨大的問號?！边@些問號通常歸結為不明確的投資回報率、失敗的項目和無法轉化為行動的分析。

將人工智能驅(qū)動的數(shù)據(jù)和分析與可衡量的業(yè)務影響、更高的參與度、收入增長和成本節(jié)約相結合的 CDO 證明了人工智能的真正力量在于使業(yè)務決策更智能、更快、更有價值。

盡管數(shù)據(jù)是一條有待開發(fā)的收入來源，但要將數(shù)據(jù)轉化為金錢，光有良好的意愿是不夠的。如果沒有適當?shù)牟呗?，Agentic AI 和分析將停留在“潛在”模式。

為了通過數(shù)據(jù)推動重大的業(yè)務影響和價值，數(shù)據(jù)領導者必須關注四個關鍵支柱。

支柱一：戰(zhàn)略協(xié)調(diào)與愿景

每項GenAI 和 Agentic AI 策略都始于一個簡單的問題：什么才是真正值得做的？高價值的 AI 應用可直接增加收入、降低成本或提高效率。但要找到這些最佳點，需要提出正確的問題。

人工智能將帶來哪些影響？

• 哪些GenAI 和 Agentic 應用程序能夠產(chǎn)生可衡量的業(yè)務影響？
• 該組織的AI 準備、治理和 AI 采用成熟度如何？
• 是否有正確的數(shù)據(jù)共享框架和單一事實來源來大規(guī)模支持 GenAI？

回答這些問題是構建具有明確業(yè)務目標和 KPI 的結構化框架的第一步。沒有 KPI，就無法證明成功。如果高管看不到成果，預算就會很快枯竭。

如果沒有跨職能協(xié)作，即使是最好的戰(zhàn)略也會失敗。GenAI無法在孤島中工作。它需要多個團隊的支持才能共享、清理和維護高質(zhì)量數(shù)據(jù)。如果沒有這種協(xié)作，維護全面的 AI 就緒結構化數(shù)據(jù)是不可能的，而如果沒有強大的數(shù)據(jù)基礎，AI 就會停留在試驗階段。

1.使用 Agentic AI 解決數(shù)據(jù)過載問題

企業(yè)被數(shù)據(jù)淹沒，卻很少利用數(shù)據(jù)。盡管可以訪問大量數(shù)據(jù)，但只有不到 25% 的業(yè)務決策實際上是由數(shù)據(jù)驅(qū)動的。問題在于原始數(shù)據(jù)與實際行動之間的差距。

從數(shù)據(jù)驅(qū)動到真正基于數(shù)據(jù)的決策意味著基于可信的實時數(shù)據(jù)和分析做出每項戰(zhàn)略選擇。這就是Agentic AI改變游戲規(guī)則的地方。

與生成答案并等待人類解釋的 GenAI 聊天機器人不同，Agentic AI 會主動執(zhí)行任務，適應新數(shù)據(jù)，并動態(tài)改進決策策略。

Agentic AI 將生成式 AI 的靈活性與傳統(tǒng)自動化的精確性相結合，可以自動分析數(shù)據(jù)并采取行動。它不需要每一步都進行人工干預。它可以學習、分析和采取行動，使數(shù)據(jù)收集和業(yè)務執(zhí)行更加緊密地結合在一起。

正如史蒂芬·霍金所說：“智力就是適應的能力?！边@適用于人類，現(xiàn)在也適用于人工智能。

2.Agentic AI 有何獨特之處？

四個關鍵功能使Agentic AI從根本上不同于“傳統(tǒng)”AI 和 GenAI：

1). 自主、目標導向的行為

AI 代理確實會分析數(shù)據(jù)，但它們的作用遠不止于此。它們會追求目標并實時調(diào)整行動。在數(shù)據(jù)和分析方面，Agentic AI 系統(tǒng)可以監(jiān)控數(shù)據(jù)使用模式，主動識別相關數(shù)據(jù)集并推薦定制響應，所有這些都無需人工干預。

2).滿足多樣化業(yè)務需求的可擴展性

如果架構合理并配備自動化上下文和推理功能，Agentic AI 可以輕松擴展（這在依賴 RAG 和 GraphRAG 等方法時是不可能的）。小型團隊可以從自動化基本數(shù)據(jù)訪問請求和處理數(shù)據(jù)發(fā)現(xiàn)開始。隨著組織的發(fā)展，相同的 AI 會擴展到個性化數(shù)據(jù)推薦、用戶行為分析和基于人員在組織中的角色的實時數(shù)據(jù)訪問優(yōu)化。

3). 工作流程優(yōu)化與執(zhí)行

與傳統(tǒng)的識別低效率的 AI 模型不同，Agentic AI 可以解決這些問題。它與數(shù)據(jù)目錄、BI 工具和企業(yè)系統(tǒng)集成，以自動執(zhí)行數(shù)據(jù)工作流。在自助數(shù)據(jù)訪問方面，它不僅僅是建議數(shù)據(jù)。它檢索相關數(shù)據(jù)集，應用必要的轉換并提供答案。

4). 受控的自治與治理

借助 illumex 的 GSF（生成語義結構）等自動化語義數(shù)據(jù)結構，Agentic AI 可以進行精確調(diào)整以與數(shù)據(jù)治理框架保持一致，確保 AI 代理在定義的約束內(nèi)運行，同時最大限度地提高數(shù)據(jù)訪問和實用性。

支柱二：構建引人關注的價值描述

AI 不會自我推銷。CDO和 CAIO 需要講述高管真正關心的故事。用算法打動人們并不能確保 Agentic 或 Generative AI 獲得認可。這需要證明您的企業(yè) AI 實施如何賺錢、省錢或降低風險。

請記住，要想取得成功，您的 AI 敘述必須適應每個受眾及其優(yōu)先事項。高管希望看到收入增長、成本節(jié)約和風險降低。部門主管需要 AI 來解決實際的運營瓶頸。一線團隊關心的是 AI 是否使他們的工作變得更輕松或更困難。

展示您的 Agentic 和 GenAI 計劃如何直接與業(yè)務目標保持一致，比關注技術可能性更有效。如果模型的準確性不能推動業(yè)務指標，那么它就毫無意義。

能夠提高銷售額、降低運營成本或保持客戶參與度的人工智能會迅速贏得認可。而且數(shù)字必須清晰明了：節(jié)省了多少錢、提高了多少效率、獲得了多少競爭優(yōu)勢。

1.將（Agentic）AI變成商業(yè)故事

案例研究和有數(shù)據(jù)支持的成功案例讓人工智能的價值變得生動起來。傳達影響的最佳方式是將其描述為業(yè)務挑戰(zhàn)：

• 從問題開始。公司面臨什么痛點？
• 介紹一下AI解決方案。Gen/ Agentic AI是如何應用的？
• 顯示結果。有哪些可衡量的改進？

當人工智能解決了實際問題并帶來明確、可量化的業(yè)務影響時，它就不再是一個抽象的概念，而成為不可或缺的工具。

2.可解釋的代理人工智能：不再有黑匣子

高管們擔心可解釋性和透明度，這是他們應該擔心的。Agentic AI 可實現(xiàn)工作流程自動化并做出實時決策，這意味著風險很高。沒有人希望 AI 系統(tǒng)做出不可預測的決策，從而導致監(jiān)管問題或聲譽受損。

麥肯錫強調(diào)，“可解釋性不僅僅關乎信任；它還使企業(yè)能夠理解、驗證和改進人工智能系統(tǒng)，以確保與其目標保持一致?！?/span>

AI 不能成為黑匣子，CDO 必須保證每個 AI 驅(qū)動的響應都是可追溯、可解釋、可治理且完全可問責的。否則，AI 幻覺就會出現(xiàn)，而這可能會導致一系列問題。

3.緩解人工智能幻覺的必要性

當非確定性 AI 模型生成看似正確但實際上完全錯誤的輸出時，就會產(chǎn)生幻覺。這些是一顆定時炸彈，尤其是在金融、保險和醫(yī)療保健等高風險行業(yè)。一個錯誤的 AI 輸出可能會在這些領域帶來災難性的后果。

《福布斯》科技委員會警告稱，“人工智能模型中的幻覺會削弱人們對自動化的信心，增加責任風險，并導致嚴重的運營挫折?！?/span>

為了消除這些風險，CDO 必須轉向確定性的Agentic 和 GenAI 系統(tǒng)，這些系統(tǒng)可以產(chǎn)生基于事實的、一致的輸出，而不是推測性或誤導性的結果。

黑匣子不再是一種選擇。每次交互中的治理和可解釋性必須是優(yōu)先事項。為了確保準確性，代理 AI 系統(tǒng)需要自動化、結構化的監(jiān)督、確定性響應以及自動化治理工作流程和流程。

采用 Agentic AI 意味著負責任的自動化。優(yōu)先考慮零幻覺 AI 實施的 CDO 可以建立信任和可靠性，并使其組織免受無法解釋、不可預測的 AI 輸出風險的影響。

支柱 3：推動組織認同

推出 Agentic AI 是一次組織變革。如果沒有支持，即使是最智能的 AI 計劃也會停滯不前。成功整合 Agentic AI 意味著讓利益相關者參與進來并控制成本，以保證長期可持續(xù)性。

1.有效地吸引利益相關者

高管需要看到真正的業(yè)務影響。正如麥肯錫所說，“當人工智能計劃與業(yè)務目標保持一致，并且領導層了解其潛在影響時，它們就會取得成功。”

當 AI 被視為現(xiàn)有業(yè)務問題的解決方案時，其采用速度會更快。而建立信任的最快方法是展示快速成功。更快的決策、更少的瓶頸、節(jié)省成本……當您的 AI 項目盡早帶來切實的收益時，擴大采用就更容易了。

透明度至關重要。如果決策者不了解 AI 如何得出結論，他們就不會在日常工作流程中信任或依賴它。對于自主制定和執(zhí)行決策的 Agentic AI 來說尤其如此。信任的基礎是清晰的可解釋性，展示 Agentic AI 如何得出結論以保持可靠的輸出。

2.優(yōu)化 Agentic AI 的總擁有成本 (TCO)

低估 AI 實施的真實 TCO 是一個巨大的錯誤。隱藏費用、數(shù)據(jù)基礎設施、模型再訓練和計算能力可能會在項目擴展之前就失敗。

一個主要的財務陷阱是過度依賴矢量數(shù)據(jù)庫和檢索增強生成 (RAG) 來為你的 AI 模型提供背景信息。RAG 可能會因為計算需求大而增加運營成本，需要大量的手動設置和維護，而且仍然不能保證準確的響應。BizTech警告稱，實施 LLM 的企業(yè)必須考慮存儲、檢索和處理成本，否則可能會使 AI 的擴展成本過高。

CDO 可以通過轉向自動化上下文和推理解決方案（如生成語義結構 (GSF)）來削減成本，從而減少對持續(xù)外部數(shù)據(jù)檢索的依賴。使用 GSF，您可以節(jié)省高達 80% 的代幣成本，同時保持完全透明和響應的完全準確性。

3.生成語義結構（GSF）的力量

生成語義結構 (GSF)可提高 AI 效率。GSF 是一種全自動語義數(shù)據(jù)結構，無需人工干預即可理解獨特的業(yè)務背景、映射關系并為結構化企業(yè)數(shù)據(jù)賦予含義。

它可自動推理、強制管理并確保您的 AI 生成的答案具有確定性、可解釋性且無幻覺。從一開始。GSF 可確保您的 Agentic 和 Generative AI 實施具有成本效益，同時不會犧牲準確性、深度或響應。

無需移動甚至直接接觸您的數(shù)據(jù)，GSF 即可激活您的元數(shù)據(jù)并創(chuàng)建單一事實來源。它可消除不一致的輸出、增強治理（減少 90% 的工作量）并大幅削減運營成本。

借助透明且經(jīng)濟高效的 Agentic AI，CDO 可以在不產(chǎn)生財務或組織摩擦的情況下推動 AI 的采用。任何非技術用戶都可以訪問可靠的數(shù)據(jù)和分析，而無需成為 SQL 專家或快速工程師，并做出真正基于數(shù)據(jù)的決策。

這就是數(shù)據(jù)和人工智能如何能夠推動真正的商業(yè)價值而不僅僅是理論潛力。

支柱四：擴大規(guī)模，實現(xiàn)可持續(xù)影響

現(xiàn)在您已經(jīng)建立了無幻覺的 Agentic AI 實現(xiàn)，是時候確保它能夠擴展了。但與想象相反，擴展 Agentic AI 的意義遠不止是更大的模型或更快的處理速度。

您必須保持適當?shù)闹卫怼L險管理和適應性。否則，您的 AI 項目可能很快就會成為負擔而不是資產(chǎn)?？沙掷m(xù)的 AI 需要透明度、合規(guī)性和不斷改進，以跟上不斷變化的法規(guī)和現(xiàn)實世界的業(yè)務需求。

管理風險、信任和治理

數(shù)據(jù)領導者非常清楚，監(jiān)管環(huán)境永遠不會停滯不前。歐洲率先頒布了《歐盟人工智能法案》，該法案自 2024 年 8 月 1 日起生效。該法案將人工智能應用按風險等級分為不可接受、高風險、有限風險和最小風險，并執(zhí)行嚴格的合規(guī)規(guī)則。

部署高風險人工智能的公司必須建立風險管理系統(tǒng)，確保數(shù)據(jù)質(zhì)量，維護技術文檔，實施人工監(jiān)督，并滿足準確性、安全性和穩(wěn)健性的嚴格標準。

CDO 已做好迎接這些變化的準備。根據(jù)Gartner 的 2024 年 CDO 議程調(diào)查，近九成 CDO表示，強大的數(shù)據(jù)和 AI 治理對于推動業(yè)務和技術創(chuàng)新至關重要。

監(jiān)管期限非常緊迫。組織只有六個月的時間來遵守禁止的人工智能系統(tǒng)的要求，十二個月的時間來遵守某些通用人工智能法規(guī)，二十四個月的時間來滿足完全的立法要求。監(jiān)管時間緊迫，未能適應的企業(yè)將發(fā)現(xiàn)自己很難跟上。

為了跟上人工智能和法規(guī)的步伐，公司必須應用自動化治理工作流程。確保敏感信息被自動標記，數(shù)據(jù)沿襲被正確跟蹤到列級別，并且文檔的移動速度與數(shù)據(jù)的增長速度一樣快。

Agentic AI 是一項長期投資，這意味著它必須與您的組織一起發(fā)展。AI 系統(tǒng)需要輕松擴展、與新興技術集成并支持新用例而無需進行昂貴的大修。以治理、適應性和透明度為核心構建 Agentic AI 的公司將引領 AI 時代。

CDO 到 CAIO：下一步發(fā)展

人工智能正逐漸成為企業(yè)運營的中樞神經(jīng)系統(tǒng)。隨著人工智能戰(zhàn)略、治理和貨幣化成為焦點，CDO 往往會演變?yōu)槭紫斯ぶ悄芄?(CAIO)。

歐盟《人工智能法案》和其他法規(guī)正在將人工智能治理推向高管領導層。公司需要了解數(shù)據(jù)結構、治理和負責任的人工智能部署的人工智能遠見者。這就是為什么越來越多的組織開始意識到，成功的人工智能部署不僅關乎技術，也關乎領導力。CDO 和 CAIO 塑造組織的 AI 愿景、推動采用并確保公司的 AI 實施符合業(yè)務目標。