前幾天跟做企業數字化的朋友老周吃飯，他一開口就吐槽。
說他們公司去年下半年花了小一百萬接入ChatGPTAPI，還招了兩個大模型算法工程師，連私有化部署的服務都買了。
本以為很快就能靠AI提效率，結果快半年了，AI項目連個像樣的成果都沒拿出來。
席間還有個做製造業的朋友，也跟着點頭。
他說他們廠想搞設備故障預測的AI項目，投入了兩百多萬，最後卡在數據上，生產數據散在ERP、MES等六個系統里，根本串不起來。
AI模型喂不進能用的數據，最後只能放在那落灰。
說實話，現在身邊搞企業AI的，十有八九都遇到過這種情況：模型、人才、錢都到位了，偏偏栽在數據上。
企業搞AI，好模型遇上“爛數據”，就像巧婦難為無米之炊
咱們先說說那些大模型為啥能成。
你看OpenAI搞GPT-4的時候，手裡有近1.4萬億tokens的公開數據。
這些數據是公開互聯網攢了幾十年的，格式都統一，不是網頁就是文本、圖片，來源也連得通。
就像提前洗好切好的菜，廚師拿過來就能下鍋。
可輪到企業自己搞AI的時候，情況就完全反過來了。
老周跟我說，他們公司的數據散在CRM、ERP、客服系統等十幾個地方。
有的存在老服務器里，有的還在員工的個人Excel里，甚至還有紙質文件沒錄入系統的。這些數據不光放得亂，格式也五花八門——客戶地址有的寫“京市朝陽”，有的寫“北京市朝陽區”，日期有的是“2024.5.1”，有的是“2024-05-01”。
本來想建議老周他們先把數據歸攏到一塊，後來發現他們連數據在哪都沒完全摸清。
更別說讓AI用這些數據了，就像想做飯，結果菜在廚房各個角落，有的沒洗，有的沒切，再好的廚師也沒法下手。
如此看來，企業AI的核心麻煩根本不是模型不夠強，而是連給AI“喂飯”的合格數據都湊不齊。
數據的三個“攔路虎”，找不着、用不了、拿不到
企業想把數據用起來，得先闖過三關，這三關就像三隻攔路虎，少一個都不行。
第一隻就是“數據找不着”
老周說，他們公司想分析高價值客戶，銷售部讓AI查客戶的消費記錄，結果AI找了半天，發現客戶數據一部分在CRM，一部分在客服的工單系統，還有一部分在市場部的活動登記表裡。
找個數據得跨三個部門問人，光找數據就花了一周。
這種情況真不少見，很多企業沒有統一的數據源，數據就像藏在百慕大三角，想找着全看運氣。
就算運氣好，把這些散着的數據找着了，新的麻煩又來了，“數據用不了”。
有個做金融的朋友跟我說，他們搞信貸風險評估AI項目，好不容易把客戶數據湊齊，結果發現身份證號有的15位，有的18位，聯繫電話缺失了近四分之一。
他們組建了十個人的團隊清洗數據，兩個月才弄完六成，項目直接延期。
很顯然，這種“臟數據”給AI用，最後出來的結果肯定不靠譜，這不就是“垃圾進，垃圾出”嗎？
好不容易把前兩關闖過了，第三隻攔路虎又冒出來，“數據拿不到”。
我認識個做汽車供應鏈的，他們想搞供應鏈風險預警AI項目，需要採購部的供應商數據和生產部的物料數據。
AI模型訓練時只能用部分數據，最後預警準確率才剛過五成，根本沒法落地。
搞不清的是，很多企業把數據捂得太嚴，部門之間調個數據要走四五個審批流程，等批下來，機會早就過了。
破局，從“小場景”起步，讓數據自己“轉起來”。
既然數據有這麼多麻煩，那企業就只能幹等着嗎？當然不是，有個辦法能慢慢搞定，就是啟動“數據飛輪”。
有個做SaaS的公司就很聰明，。他們沒一開始就想建個完美的數據湖，而是從“客戶流失預警”這個小場景切入
先只打通了CRM的客戶行為數據和客服的工單數據，AI的預警準確率從六成升到了八成五，幫他們挽回了一成二的高價值客戶。
後來用這個成果申請了預算，再去打通財務的回款數據，把預警維度從“行為+服務”擴展到“行為+服務+財務”，準確率又升了一成。
這種小步快跑的方式，比一上來就砸錢建數據湖靠譜多了，畢竟先看到價值，才能有動力接着做。
光有飛輪還不夠，還得搭好“智能地基”，從根上解決數據問題。
比如搞數據治理，有個車企去年制定了數據規範，把數據分成客戶、生產、研發三大類，統一了字段格式，還明確了每個數據的責任人。
這麼一來，數據清洗效率提了四成，臟數據率從兩成八降到了九成。
還有數據中台，就像個數據“中轉站”，把各個系統的數據歸攏過來，再封裝成能用的接口
有個零售企業搭了中台後，AI項目調數據的時間從七天縮到了兩小時，效率一下子就上來了。
另外，企業還得搞清楚數據準備的三個層次，首先得讓數據能被訪問，比如存在統一的數據湖裡，能通過API調出來，其次得讓AI能理解數據，比如給數據貼標籤，說明每個字段是啥意思，最後得讓數據能反覆用，比如每次業務做完，自動把新數據加進去，形成閉環。
有個銀行按這三層做了之後，AI模型的迭代周期從三個月縮到了一個月，效果很明顯。
現在大家都在搶大模型，可說實話，等過兩年，頂尖模型就像水電一樣，誰都能用上。
到時候企業拼的，肯定是自己的數據——誰家的數據乾淨、能互通、能持續產生價值，誰就能在AI時代佔到優勢。
本來覺得企業搞AI，只要有錢有技術就行，後來發現根本不是這麼回事。
數據才是最基礎的東西，要是現在不把數據的麻煩搞定，就算買再好的模型，招再牛的工程師，也只能是白忙活，企業要是想在AI上不落後，怕是得從現在開始，好好琢磨自家的數據了。
