人工智能已經推動了許多技術的發展，從而推動了現代經濟的發展。如今，人工智能已成為我們使用互聯網的重要組成部分，但在證券交易所，高級工廠和自動化倉庫中也可以找到人工智能。它開始駕駛我們的汽車，甚至吸塵我們的地板。但是，只有極少數能夠從人工智能中受益的公司正在利用這種方法來幫助交付其產品和服務。

一個重要的原因是缺乏高質量的數據。諸如Google，Microsoft和Amazon之類的技術巨頭已經在AI方面取得了長足的進步-開發軟件來回答我們的問題并確定照片中的內容-因為它們的數據收集操作非常龐大。但是，許多可以從人工智能和高級機器人技術中受益的成熟行業都在努力以有用的方式收集，管理和使用數據。

擁有高質量和可信賴的數據是幫助公司更好地了解其市場和客戶并實現自動化決策的關鍵。在基礎架構級別，數據可以指導規劃人員和開發人員，并幫助優化建筑物，道路和鐵路的使用和維護。這還可以通過使我們的基礎架構使用壽命更長，工作效率更高，減少能源浪費和不必要的交通流量來減少碳排放。

人工智能的基礎

簡單來說，數據就是人工智能的基礎。要訓??練AI執行特定任務，通常需要通過其漸進式學習算法來運行樣本數據，以便它可以適應和提高其識別模式并做出相應響應的能力。然后，某些AI可以自動執行從新數據中發現有用信息的重復過程，甚至可以比人類更好地發現模式或識別我們永遠無法找到的事物。在某些情況下，AI處理的數據越多，它學會的功能就越好。

但是，盡管有潛在的好處，但研究表明，在某些行業中，只有10%的公司已經解鎖了這類高級分析方法。行業，如電信，汽車和金融服務正試圖趕上科技巨頭。但是，包括醫療保健，教育，政府和建筑在內的許多部門仍未接近發揮數據和人工智能的全部潛力。

例如，加快醫學診斷速度并使其更加準確，僅在美國醫療保健領域就可以節省4000億美元。但是，尚未制定適當的規則和激勵措施來鼓勵足夠的人與AI開發人員共享他們的醫療數據，因此該行業尚未意識到這一潛力。

那么，更多的公司如何才能開始收集數據，以幫助他們充分利用AI？通常有幾個關鍵問題可以使公司退縮。所需的數據可能不存在，可能無法訪問（例如，因為它是私有的），可能存在于太多有用的位置，源或格式中。它的質量也可能有限，或者沒有被收集用于AI，因此沒有正確的信息。

可能也太多了。我們經常聽到有關“大數據”，非常大的數據集的價值的信息，從中可以得出模式和其他有用的見解。但是收集更多數據并不一定總能帶來更好的分析結果，有時可能會不必要地變得復雜且占用大量資源。

這些問題通常是由于公司沒有正確的策略或專業知識而發生的。研究表明，許多公司仍然缺乏專門的數據團隊來確保收集，管理并正確使用正確的數據。但是，我和我的同事最近進行的研究表明，員工少于50人的技術公司經常大量使用數據分析。這表明，與傳統的大公司相比，創新型初創企業可以更了解數據的價值，并且足夠敏捷以有效地使用數據。

如果可以從數據和人工智能中受益最大的傳統公司和其他組織希望能夠競爭，獲利并建立可持續發展的世界，則他們必須開始擁抱數據。AI解決方案的質量只能與它們建立的數據質量一樣好。這意味著要雇用合適的人員，并制定所需的策略以收集正確的數據，使其可訪問，評估質量，然后將其用于開發AI解決方案。只有這樣，這些組織才能真正利用下一次工業革命。