這份報告指出，很多企業未能將數據科學的努力和人工智能的實施轉化為真正的經濟價值。這項針對2500名科技領袖進行的調查發現，盡管人們對人工智能技術抱有很高的期望，但只有四分之一的受訪者表示對人工智能的表現非常滿意。

ITSP Infosys公司在這份報告指出，所有被調查的公司所缺失的這些價值相當于4600億美元的利潤。而這些公司從人工智能中獲益最多，專注于確保數據科學融入業務，而不僅僅是一個附屬項目。

該公司總裁Mohit Joshi說：“至關重要的是，企業不要將數據和人工智能與業務分開看待，而是要以不同的方式看待。”該報告的主要發現是，解決方案應關注三個領域：數據共享、對先進人工智能的信任、業務重點。

報告表明，盡管在首次啟動人工智能項目時，都會抱有很高的期望，但大多數企業未能在這些關鍵領域中的一個或多個領域采取行動。總的來說，63%的人工智能模型只能發揮基本功能，由人類驅動，并且往往在數據驗證、數據實踐和數據策略方面存在不足。

只有26%的受訪者表示對自己的數據和人工智能工具非常滿意。Joshi說:“盡管人工智能的應用很迷人，但顯然缺少了一些東西。”

英國對人工智能的總體滿意度最高，盡管其數據共享率最低，而且通常偏好采用內部部署人工智能應用程序，而不是轉向云計算解決方案，這可能會導致后續問題。

他解釋說，“對于商業問題和人工智能系統來說，企業需要控制和掌握最有效和有用的數據。因此信任人工智能也很重要。

我們的研究發現，先進的人工智能需要對人工智能的信任才能實現最佳性能。如果與人工智能一起工作的人員不信任人工智能，那么這個模型就有可能被閑置。數據倫理和偏見管理的最佳實踐是推進人工智能的核心。”

這項調查還包括，四分之三的企業希望在其業務范圍中運營人工智能，但大多數企業都是人工智能新手，在擴大應用規模方面面臨艱巨的挑戰，這在很大程度上是由于缺乏技能和招聘困難。

“Data+AI Radar”研究是由ITSP Infosys公司知識研究所開展的。該研究所發現，所謂的“高績效”企業對人工智能和數據有不同的看法，那些將數據視為貨幣的企業（分享數據并讓其流通）獲得了最高的回報。

該研究團隊發現，當將數據視為貨幣并通過中心輻射式數據管理模型進行流通時，企業可能會獲得1050億美元的增量價值，而那些以低延遲更新數據的企業甚至會產生更多的利潤、營收和其他價值衡量指標。

調查報告指出，除了收入增長之外，對使用人工智能非常滿意的企業一直都有值得信賴、合乎道德和負責任的數據實踐，這些實踐可以克服數據驗證和偏見的挑戰，建立信任，并使從業者能夠使用深度學習和其他先進算法。

那些將數據科學應用于實際需求的企業也創造了額外的價值，提高了效率，額外帶來了450億美元的利潤增長。

當被問及企業是否難以跟隨人工智能的快速發展時，Joshi表示，“問題是企業在應用人工智能時能否取得良好的效果。人工智能和機器學習需要一種新的思維方式，這是企業需要轉向的地方。盡管機器學習和人工智能進步很快，但我們看到，正是企業重新定義了他們的數據處理方法，從而從機器學習和人工智能中獲得了最大的價值。”

這其中的一部分是獲取用于人工智能工具的數據，并以適合業務的方式進行準備，其中包括認識到需要將這些數據與鼓勵通過中心輻射式數據管理系統共享的實踐相結合。

Joshi說，“我們認為，數據是一種新的貨幣。數據就像貨幣一樣，在流通的時候會增值。許多公司認識到，新興的數據經濟具有巨大的潛力，與合作伙伴和同行建立一個數據共享生態系統可以帶來比孤立運行帶來更大的好處，”

這與要求數據集中的傳統思維有所不同。Joshi表示，他們發現，一個集中和組織數據的系統，然后依靠將數據輻射給團隊自由操作和靈活使用它是最好的方法。例如，從第三方導入數據和高水平的數據共享比任何其他數據或人工智能行動對利潤的推動都要大。

“模型運營”可以幫助擴展人工智能系統

Joshi表示，如果企業現在不采取行動，沒有以不同的方式思考人工智能和機器學習，那么將面臨局限性、對人工智能系統不滿，并在新的數據經濟中陷入困境。他補充說:“企業需要采用一個人工智能部署框架，不僅允許進行試驗，而且能夠以可預測的方式擴展人工智能。

像‘模型運營’這樣的概念可以為企業提供一個視角，以構建一個可擴展的平臺驅動，該平臺驅動可以在推出過程中提高靈活性，確保流程標準化，并將支持作為基準模型性能的衡量標準。”

Joshi說，另一個重要的方面是確保企業堅持道德和法律慣例，特別是在政府制定立法防止數據濫用和不道德行為的過渡時期。

他說：“人工智能必須以可持續和深思熟慮的方式采用，這樣它才能與我們的社會結構共存，并帶來更大的好處。因此，重要的是，在任何人工智能技術在公共領域發布之前，科技行業必須促進行業、社區和監管機構內部和跨行業的討論，并討論其利益、成本和后果。”