97%企业布局AI，却只有5%的数据真正准备好了

2026年已过将近一半，企业正开始看到AI投资带来的实际回报。然而许多企业正在发现，要实现规模化落地，靠的并非那些炫目的前沿模型或顶尖基准测试，而是一件远没那么光鲜的事情：干净、可互操作、有治理机制的数据。

根据邓白氏（Dun & Bradstreet）最新发布的AI动态调查，97%的企业表示正在积极推进AI相关项目，但仅有5%的企业认为自身数据已为此做好准备。

这一数字揭示了企业在AI落地过程中面临的真实困境——如何从试验阶段跨越到真正的规模化运营。

邓白氏首席战略官卡耶塔诺·格亚-卡拉斯科（Cayetano Gea-Carrasco）表示："启动试点项目或孤立的AI应用场景，并不需要全企业范围内的AI就绪数据。但若要在关键任务级工作流和系统中可靠地扩展AI，就必须具备这一前提。"

企业全面押注AI

邓白氏报告显示，2026年各机构对AI的投入已呈全面推进态势，并将其视为关键战略任务。超过半数受访者（67%）表示已看到"初步迹象或局部"的投资回报，24%的企业则报告实现了"广泛或强劲"的回报。

此外，在这家数据与分析公司调查的10,000家企业中，超过一半（56%）表示计划在未来12个月内增加AI投入。约三分之一（30%）的企业正将AI推进至生产部署阶段，26%的企业已在多个核心业务流程中实现AI的规模化应用。

邓白氏指出，随着采用率快速提升，早期回报比一年前更为普遍，但仍参差不齐。与此同时，对数据就绪性的担忧程度比2025年"更为突出"。

造成这一状况的原因是多方面的：50%的受访者反映数据获取存在障碍，44%担忧隐私与合规风险，40%对数据质量和完整性感到忧虑。此外，38%的企业表示系统间缺乏整合，37%的企业指出合格AI专业人才短缺。

然而令人担忧的是，仅有10%的企业表示对自身识别和缓解AI相关风险的能力高度自信。

格亚-卡拉斯科表示："关键问题已不再是企业是否在探索AI，而是他们是否具备在企业级规模上可靠部署AI所需的数据和基础设施。"

他指出，企业利用通用模型推出AI助手、对话界面或部门级AI工具相对容易，并能在受控环境中取得"令人印象深刻的效果"。但真正能够将AI部署到生产工作流中的企业却少得多——而在生产环境中，准确性、可追责性、可解释性、互操作性和一致性将直接影响业务决策，涵盖客户引导、合规、风险管理及客户运营等关键领域。"正是在这些场景中，数据就绪性变得至关重要，"他说。

从AI助手到智能体，挑战持续升级

随着企业从AI助手转向更具自主性的智能体工作流，数据层面的挑战进一步加剧。格亚-卡拉斯科指出："大多数企业数据环境是为人类工作流程而构建的，并非为在整个业务中持续运行的自主AI系统设计的。"

他还提到，AI系统虽然能够生成听起来合理的输出结果，但由于存在幻觉问题、跨系统建议相互矛盾以及合规隐患，在实际运营中往往难以建立信任。这对所有企业都是挑战，对银行、保险、医疗和金融服务等受监管行业尤为突出——在这些领域，可信且可审计的输出结果是"不可妥协的底线"。

进展最快的企业，往往是那些致力于确保数据高质量、高可靠性并具备完善治理机制的企业。它们在一致的身份解析、数据互操作性和数据维护上持续投入，使AI能够"可靠地获取"并基于信息采取行动。

AI投资回报在哪里兑现

格亚-卡拉斯科表示，企业正在数据基础较为成熟的领域率先实现投资回报，这些领域更易于将AI直接嵌入真实工作流程，包括销售情报、客户引导、合规工作流、客户研究、风险分析、流程自动化、商机开发、背景筛查、供应商评估和企业资质核验。

他指出，投资回报通常体现在以下几个方面：减少人工研究投入、加快引导与审核周期、提升运营一致性、提速销售工作流，以及为员工提供更优质的决策支持。"在许多情况下，企业正在借助AI帮助团队以远超以往的速度处理和整合大量信息。"

他强调，当AI是在强化现有运营流程而非完全替代人类决策时，效果最为显著。"在AI帮助员工更高效地工作、做出更好决策、减少重复性手工劳动，同时人类仍参与监督和最终审批的场景中，企业往往能够取得成功，"他说。

智能体AI正走向实际生产部署

格亚-卡拉斯科指出，智能体AI正逐步进入生产环境，但目前"仍处于相对早期且较为聚焦的阶段"。

他表示，当前大多数企业部署的是范围明确、而非完全自主的智能体。近期的主流模式是"有监督的自主性"——智能体执行工作流的部分环节，而人类仍参与审批、监督和异常处理。因此，智能体正在进入他所说的"边界清晰的工作流"，例如信息研究、引导支持和工作流编排。

他预测，在未来数年内，AI将从独立的AI助手演变为直接嵌入企业工作流的、更具连接性的智能体系统，并将日益协调客户、供应商、合作伙伴、员工和企业应用之间的协作。智能体有望在销售运营、客户引导、合规、采购、客户研究、风险管理、供应商评估和业务监控等工作流中扮演愈发重要的角色。

"企业AI正在从孤立的生产力工具，"格亚-卡拉斯科说，"向能够支撑规模化决策与工作流执行的智能运营系统演进。"

Q&A

Q1：邓白氏AI动态调查的主要发现是什么？

A：调查显示，97%的企业正在积极推进AI项目，但只有5%的企业认为数据已为AI应用做好准备。67%的企业看到了初步投资回报，24%报告了广泛或强劲的回报。与此同时，数据获取障碍、隐私合规风险、数据质量问题是阻碍企业规模化落地AI的三大核心挑战。

Q2：企业在哪些领域最容易从AI投资中获得回报？

A：根据邓白氏的报告，企业在数据基础较成熟的领域最容易实现AI投资回报，主要包括销售情报、客户引导、合规工作流、风险分析、流程自动化、供应商评估和企业资质核验等场景。回报通常体现为减少人工研究、加快审核周期、提升运营一致性以及为员工提供更好的决策支持。

Q3：智能体AI目前在企业中的落地情况如何？

A：智能体AI正在逐步进入生产环境，但仍处于早期阶段。目前企业主要部署范围明确的智能体，采用"有监督的自主性"模式，即智能体执行部分工作流，人类仍负责审批和监督。未来几年，智能体将更广泛地嵌入销售运营、合规、采购、风险管理等核心工作流中。