它领导AI成功的前5个障碍

CIO关注AI的承诺提高生产率，通常会发现他们的努力受到数据质量，技能差距和破坏性的阻碍，以及其他因素。

人工智能尤其是迅速证明是提高整个企业生产力的有用解决方案，但仍然存在一些常见的成功障碍。

IT领导者越早可以识别和克服这些问题，他们将使组织能够从基于AI的系统中获得更多价值的速度。

以下是企业需要击倒的一些更具挑战性的障碍，以及它领导者如何做到这一点。

数据质量差

一个IDC调查由硬件供应商联想赞助的2,920名全球IT和业务决策者中，数据质量问题是导致AI项目的第一号抑制剂。

为了解决这个问题，三分之一的受访者表示，他们的组织计划优先提高其数据管理能力。

Ally FinancialsSathish Muthukrishnan，其中一个正在解决这个问题分解筒仓并强调数据治理。

AI在很大程度上依赖它正在处理的数据，因此我们仔细地管理了有关数据的广泛使用的挑战和风险，'数字银行公司的主要信息，数据和数字官员说。

Muthukrishnan说，我们将98％的数据巩固了我们的数据，这使我们能够利用数据的力量。”我们实施的流程旨在确保强大的数据安全性，稳健的客户隐私和严格的模型风险审查以及对结果的持续监控。”

数据质量问题是一个真正的问题，也是AI采用的实际障碍，但是该问题比传统且典型的关于交易或分析环境中数据质量的讨论要大得多。约翰·汤普森AI咨询公司Hackett Group的高级副总裁兼校长。

汤普森说，借助组织的数据，文档，视频，政策，程序等，可以积极使用。”

解决这个问题Gen AI的数据质量汤普森说，组织不再在引入AI之前获得数据质量，而是需要将信息加载到AI代中，并积极询问，查询和提示，以查找信息准确和最新的位置以及其缺乏准确性，相关性和清晰性的位置。

汤普森说：'ai是找出需要改进信息的工具。”汤普森说。执行此过程的正确方法是引入AI并找出如何修复数据质量，而不是相反。

缺乏内部专业知识

一个2025年3月美国管理协会的报告是一家专业发展组织，最近对北美的1,100多名专业人员进行了调查，发现许多员工（57％的受访者）认为他们没有跟上AI。不到一半（49％）收到在AI中培训。

Ally的Muthukrishnan说，组织需要建立的基础设施来教育和培训其员工以了解AI的能力和局限性。

他补充说，如果没有正确的培训，采用和利用将无法实现您希望的结果。”虽然我认为AI是我们一生中最大的技术转型之一，但将其整合到日常过程中是一项巨大的变化管理。

Ally通过提供所有用户所需的培训，AI剧本，简短的课程以增加AI流利度以及对整个企业开放的教育时代，以负责任地使用AI。

哈克特集团的汤普森说，技能差距只会增长。现在是时候开始了。您可以从团队开始。让他们在测试用例上工作。让他们从事个人项目。让他们从事激情项目。[花时间]每个人上课都在整理缩小技能差距的过程。所有人都可以访问AI代。您可以使用这种可访问性为人们提供学习的机会。

汤普森补充说，经验比聆听要好得多。

他说，建立一个AI代环境，让所有人访问六个月至一年。”他说。您的员工在班上甚至多个课程中学习的学习量比以往任何时候都要多。我不是说不要训练人们。您仍然需要人们上课。但是，当您的员工掌握AI代环境时，您会看到技能差距每天都在缩小。

组织需要强调可以确定适当的内部专家混合专家AI用例有了外部人才，他们看过其他组织如何使用AI。贾里德·科伊尔（Jared Coyle），企业软件公司SAP Americas的首席AI官。

内部知识对于确保您与现有系统和流程集成至关重要，而且外部人才更好地帮助您完全利用新的AI功能来保持AI系统顺利运行，” Coyle说。

寻找可以争夺资源的用例

每个企业都有既定的优先级列表，其中许多企业不涉及AI或AI代。要完成资金，人员和高级管理人员的关注，IT领导者将需要为其AI项目提出令人信服的案例。

我们最大的挑战之一是确定正确的业务案例。Chandra Venkataramani，在外包公司任务的CIO。

Venkataramani说，很容易陷入生成AI的动力。``成功来自抵制这种冲动，而是在技术可以增强我们内部能力的领域中进行归零 - 例如提高生产率，增强决策或减少关键工作流程中的摩擦。我们发现，目的的清晰度是在降低成本，提高速度还是提高用户体验是至关重要的。

同样具有挑战性的是竞争优先级问题Venkataramani说。他说，作为一家高增长，以客户为中心的公司，对IT资源的压力不断压力。AI倡议必须争夺预算，人才和执行的关注；那就是一致性变得必不可少的。

该公司强调对跨业务职能的AI计划的共同所有权，确保投资在技术上是可行的，并受到商业领导者的支持了解投资回报率。

Venkataramani说，我们采用了一种强调护栏实验的心态：周到的飞行员，清晰的KPI [关键绩效指标]和反馈循环。”这种方法帮助我们保持敏捷，避免过度投资未经证实的解决方案，并专注于长期价值而不是短期炒作。”

Hackett Group的Thompson说，业务案例，用例和竞争优先级以来一直与我们同在。AI代的伟大之处是它适用于大多数问题。我建议从最紧迫的问题开始，C-Suite最具战略意义的问题是困扰并从那里开始的。我不会在业务案例或用例上花费大量时间。潜入。现在有改变的时候了。

过时的旧系统

许多企业已经启动了数字化转型计划，以提高效率并提高对客户和员工的服务。那些没有或落后的人需要将其作为优先事项，因为过时的遗产系统和应用是AI成功的潜在障碍。

数十年历史的应用由于当时的存储成本而旨在保留有限的数据，不太可能与AI工具轻松集成，并且在许多情况下，过时的应用程序完全阻止了AI的采用。

SAP Americas Coyle说，“成功并不是通过将LLM [大型语言模型]与您选择的Lakehouse Technology一起附加在一起，并希望一切都可以解决。”许多领导人对AI的潜力的热情令人难以置信，但重点确实是关键。重要的是要避免在没有资源支持它们的情况下发起太多的举措。

运输和物流服务的提供商Veho大量利用AI和机器学习在建筑和定价交付路线上，并提高交付质量。弗雷德·库克，联合创始人和CTO。但是，为了充分利用AI工具，公司必须升级其系统。

库克说：``Veho的原始核心平台是在2017年开发的，通常很脆弱。”库克说。•在2023年底和整个2024年，我们重建了所有核心系统。当它们上网时，我们发现AI应用程序更容易纳入我们的技术，并且完整的重构完整，今天我们通过AI实验更快地移动了。”

VEANO始于用例，例如客户支持AI代理，驾驶员 - 伴侣支持AI代理和客户支持AI代理。库克说，我们还为各种包裹交付过程的步骤构建了一些简单的AI代理，例如警报，解析数据和质量保证，这些步骤将是乏味和手动的。”

与基础设施有关的另一个潜在障碍是涉及的高成本。整合AI可以是任何昂贵的工作。根据现代化的何处，组织可能会面临系统集成的费用，自定义软件开发，应用程序编程接口的创建以及旧版系统升级。

员工破坏

一个最近对1,600名知识工作者的调查由生成的AI服务提供商2025和独立研究小组工作场所情报的800名C套件高管和800名员工发现，有31％的工人承认积极破坏其组织的AI努力。

工人破坏人工智能努力是一个严重的问题，可以破坏AI计划，并导致浪费资源和错过的机会。”

戴利说：`迪利说，这种破坏通常是由于担心工作流离失所，对AI的利益缺乏理解或对变革的抵抗力。”为了解决这个问题，组织应该花时间了解其组织内的关注点，培养一种持续学习的文化，并通过使员工参与AI计划来围绕变革产生兴奋。”

Daly说，企业需要确定组织中的AI冠军，并分享AI可以在何处创造更积极的员工经验，例如在管理上花费更少的时间，而与客户在一起的时间更少。

丹利说，有效的领导在这一过程中至关重要。她说，领导者必须了解AI并阐明其对人才及其角色的积极影响。这需要技术，沟通和领导技能的平衡。``当员工看到他们的领导人利用AI来增强用用例和结果来扩大工作时，他们更有可能接受AI自己，将恐惧变成迷恋。”