《MIT科技评论洞察》与Snowflake合作的一份报告显示，劣质的数据基础结构使得五分之四的企业无法充分利用人工智能（AI）。根据题为《AI领袖数据策略》的报告，78%的组织因数据结构不够完善，无法最大化其AI投资。研究发现，尽管企业强烈推动生成性AI以提高效率、提升市场竞争力和促进产品创新，但这些愿景受到基础数据问题的阻碍。
Snowflake的AI负责人Baris Gultekin就研究结果发表评论称：“当今的许多组织对生成性AI抱有很大野心：他们希望重塑运营方式和销售内容。“我们的联合研究表明，随着组织感到部署AI应用的紧迫性日益增加，他们意识到数据可以帮助他们从先前未开发的信息源中提供洞察。“坚实的数据基础是生成性AI能力的核心，商业领袖需要快速处理数据安全和成本等问题，并建立他们需要的基础以兑现AI的承诺。”
报告进一步显示，仅有22%的商业领袖感到‘非常准备好’与AI接触，而53%表示‘有些准备好’。那些对准备程度自评较高的组织通常在计算能力、数据孤岛、整合问题和数据治理方面遇到的挑战较少。尽管如此，大多数企业认识到，有效的数据管理对高效发掘AI的价值至关重要。研究强调的一个关键挑战是大规模部署AI的困难。95%的调查受访者承认在这一领域面临障碍。主要挑战包括数据治理、安全或隐私问题（59%）；
数据质量和时效性（53%）；以及与资源或投资相关的成本（48%）。报告指出，尽管生成性AI的成本正在下降，主要是因为企业在开发较小但同样有能力的大型语言模型（LLM），但资源分配仍然是一个重大障碍。这些财务和资源决策尤为重要，特别是在改善企业数据基础时。
对于那些在数据策略上已经取得进展的组织来说，生成性AI的益处逐渐显现，这些企业通过利用广泛的数据基础，看到了整合AI带来的优势，在他们开发AI潜力时能够减轻治理和安全方面的忧虑。总之，报告呼吁企业在广泛的流程中巩固其数据基础，从而能够充分利用生成性AI及其变革性能力。此方法不仅承诺改进AI的利用，还解决了常见的数据管理问题，为高效和安全的AI驱动进步铺平了道路。