微软CEO谈：企业AI落地的核心挑战
最近，微软CEO纳德拉和Stripe联合创始人科里森进行了一场深度对话，纳德拉一针见血的指出了企业AI落地面临的核心挑战，以及关键的解决思路。
我觉得所有做企业软件的人都值得了解一下，因为他说的，确实就是中美两国企业AI所普遍面临的问题。
纳德拉说：
如果说只有一件事最重要，那就是不仅仅去羡慕别人的“AI 工厂”或 AI 智能体（Agent），而是要探讨如何构建你自己的 AI 工厂。
这其中，对数据层的组织至关重要，事实证明这可能是最复杂的一环。你需要覆盖整个企业的数据，使其能够满足智能化需求。
纳德拉
纳德拉的意思是：企业AI落地，最复杂的环节其实是数据层的组织，而这里面有2个关键点。
第一是AI系统需要“覆盖整个企业的数据”。
比如，我们要让AI做销售预测，就需要用到CRM系统的线索数据、ERP系统的订单数据，还有Excel表格中的市场数据，只有把这些相关的数据都给到AI，AI才有可能做出准确的预测。
第二是还需要“使数据能够满足AI需求”。
这是什么意思呢？其实就是要把数据进行关联，并且赋予语义，这样大模型才能理解。
还是以AI销售预测为例，首先，CRM、ERP、Excel表格中都有产品、客户等实体数据，我们必须把不同系统的实体数据进行关联，这样AI才能准确识别出不同来源的数据其实指向同一个产品或者客户。
另外，软件系统的很多数据都是以后台ID存在，大模型根本无法理解。必须把这些数据转化成语义数据。比如，我们需要告诉AI，当订单的发货状态代码为1，代表还未发货；如果代码为2，则代表已经部分发货。
在访谈中，纳德拉还回答了“为什么AI在B端的渗透率远不如C端”，他说：
大多数公司并没有将所有功能集成，没有将公司完整的上下文接入到他们日常使用的 AI 中。
实际上，这里有两层挑战。第一是变革管理……在企业环境中，这意味着所有的数据发现环节必须可行，所有的数据治理必须到位。我们必须将权限范围接入 Copilot，确保当我检索内容时，如果是机密信息，它能被正确识别和处理。
我要说的第二点是，让AI 跨越整个Microsoft 365图谱运行是一回事，但接下来要解决的是 ERP 系统的数据。目前的连接器就像“两根细吸管”，效率不够。你需要一个更好的数据架构，基本上需要通过语义嵌入将所有这些数据整合到一个层面。
纳德拉
简单来说，就是纳德拉认为：企业AI落地不及预期的关键，是缺乏“完整的上下文”。
而纳德拉所定义的“上下文”包括三个部分：记忆、权限和行动。
记忆就是要让AI学会“积累经验”。
比如：如果AI“记得”过去几次营销计划的执行效果，那么他就能够在之前的经验上，制定出更完美的营销计划。
权限就是让AI懂得“什么该说，什么不该说”。
比如，CEO可以访问所有部门的薪酬数据，但是销售领导就只能访问销售部门的薪酬数据。
行动就是要AI能够“动手做事”。
比如，让AI能够调用ERP的功能，在需要的时候自动创建销售订单或者发货单。
那构建“完整上下文”的挑战在哪里呢？纳德拉认为主要是2点：
第一是数据的治理。
必须要打通各个系统，让AI能够访问到所有数据，同时遵守企业的数据权限制度。
第二是数据访问的效率。
目前AI访问其他系统的数据依靠集成，效率太低，最好的解决方案是构建一个统一的语义层，把所有数据都整合到一个平台，从而把多个数据孤岛变成一整片大陆，让AI能流畅地理解和调用。
比如，把ERP、CRM和Excel的数据都整合到Data Cloud，统一进行清洗、打通，并且赋予数据之间的语义关系。
实际上，这也是很多头部软件公司都在做的事情。比如，国外的Salesforce、国内的用友、金蝶和销售易，都在建设自己的Data Cloud，核心就是解决纳德拉说的数据层问题。
当然了，企业AI落地面临的数据问题，远不止纳德拉说的几点。
目前，至少80%的企业AI项目都死在数据准备上。很多企业数据都面临格式混乱、关键字段缺失/错误等非常基础的数据问题。
因此，毫无疑问，“数据治理”大概率是未来几年，企业AI落地所面对的最核心的难题。
请先 登录后发表评论 ~