像GPT-4和Gemini這樣的預訓練大型語言模型(LLM)非常棒，但真正的競爭優勢來自于將LLM與私有數據相結合。不幸的是，根據麻省理工科技評論(MIT Technology Review)的一份新報告，企業為GenAI準備數據資產的情況存在問題。

毫無疑問，生成式人工智能（GenAI）已經引起了企業組織的注意，他們渴望使用LLM來構建聊天機器人、數字助理和其他類型的應用程序。在接受麻省理工科技評論調查的高管中，82%的人認為擴展人工智能或GenAI是“首要任務”。這份報告的標題是“高管級領導者的人工智能準備情況”，是由ETL供應商Fivetran委托進行的。

根據調查，企業組織對與GenAI一起使用的數據有很好的了解，調查發現83%的組織已經確定了用于人工智能或GenAI的數據源。

但是，在需要的時候、需要的地方、充分的清理和準備以及以適當的格式將數據交付給GenAI應用程序時，組織準備得如何呢?在不危及隱私和安全的情況下做到這一切?

當然，這才是真正的核心，并不是很多組織都做得很好，至少目前還不是。

將所有數據工具和技術放在同一頁面上的困難是巨大的。正如IDC分析師斯Stewart Bond在接受麻省理工科技評論采訪時稱，IDC最近的一項研究得出的結論是，一般企業“有十幾種不同的技術來收集有關其數據的所有情報，同時也有同樣多的技術來整合、轉換和復制這些情報。”“技術‘債務’是非常真實的。”

麻省理工科技評論在其報告中表示，為集中式數據倉庫計劃開發的舊數據集成和ETL工具可能不適合新的GenAI用例。這就是為什么調查發現82%的受訪技術高管表示他們“正在優先考慮獲取數據集成和數據移動解決方案，這些解決方案將在未來繼續發揮作用，無論數據戰略和合作伙伴發生了其他變化。”

報告發現，獲得更好的數據集成和ETL/數據管道工具顯然是一個優先事項，但還有其他重要的投資需要進行。64%的受訪者表示，數據集成和ETL/管道工具是GenAI投資的兩大優先事項之一，35%的受訪者認為數據湖是優先事項，而31%的受訪者認為數據轉換工具是優先事項。與此同時，數據目錄和LLM投資僅占7%的份額，矢量數據庫和計算層位居中間。

接受調查的技術高管發現，在構建數據基礎方面存在許多挑戰，包括數據集成和構建數據管道；數據治理和安全；還有數據質量等問題。

在數據集成/數據管道方面，組織最頭疼的四大任務包括：管理數據量；將數據從本地遷移到云端；實現實時訪問；管理數據的變化。根據這項研究，整合來自不同地區的數據和整合第三方數據也獲得了顯著的反響。

Fivetran首席執行官George Fraser認為，強大的數據基礎是GenAI成功的必要條件。

Fraser在報告中表示:“在你開始雇傭大量數據科學家和啟動大量生成式人工智能項目之前，你要確保有一個擁有干凈、精心策劃的數據的企業數據倉庫，它應該支持你所有的傳統商業智能和分析工作負載。”“如果組織不從建立強大的數據基礎開始，他們的數據科學家就會把時間浪費在基本的數據整合和清洗上。”

當涉及到數據治理、遵從性和報告方面時，調查數據變得更加微妙。

雖然大部分受訪者表示，他們為人工智能準備數據的最大挑戰是數據治理和安全(44%的受訪者提到)和數據集成或管道(45%的受訪者提到)，但對調查更深入研究揭示了一個有意義的分歧。調查顯示，政府和金融服務機構這兩個高度保守的領域高度關注安全和治理，而制造業、零售業和其他行業的技術高管對安全和治理的關注相對較低。