生成式AI数据洪流，企业需谨慎

AI 浪潮下的数据洪流：企业如何驾驭？

生成式 AI 的兴起，为各行各业带来了前所未有的机遇，但也带来了数据管理的巨大挑战。数据管理公司 DataStax 的 CEO Chet Kapoor 强调：“没有数据，就没有 AI；没有非结构化数据，就没有 AI；没有大规模的非结构化数据，AI 就无法发展。” 这句话道出了数据对于 AI 发展的重要性。然而，Kapoor 也提醒企业，不要一开始就试图全面应用 AI，而是应该专注于小而精的目标，才能有效释放 AI 的潜力。

Kapoor 建议，企业应该优先关注产品市场匹配度（Product-Market Fit），而不是急于扩大应用范围。对于正在探索 AI 应用的企业来说，务实地逐步推进是成功的关键。不要一开始就设定过于宏大的目标，而是应该先专注于解决现实需求，再考虑扩展的可能性。

面对海量数据，企业可能会感到困惑。创投公司 NEA 合伙人 Vanessa Larco 建议，企业应该倒推分析解决问题所需的具体数据，而不是将所有数据都输入大型语言模型（LLM）。这样做不仅容易导致误差，还会产生高昂的成本。Larco 强调，应该从小规模、具体目标出发，许多公司会选择先从内部应用开始，针对特定问题进行数据收集和分析。

数据移动平台 Fivetran 的 CEO George Fraser 也给出了一个简单但务实的建议：“只解决你目前需要解决的问题。” 他指出，创新过程中，大部分资源都消耗在那些未能成功的项目上。因此，企业应该先专注于现有的需求，避免投入过多的资源到无效的扩展计划中。

Kapoor 将目前的生成式 AI 发展阶段比喻为“愤怒的小鸟时代”，类似于早期互联网和智能手机应用。尽管现阶段的 AI 应用尚未完全改变人们的生活，但它已经展现出未来的潜力。Kapoor 预计，到 2025 年，随着技术的不断成熟，AI 应用将进一步扩大规模，并对企业发展产生深远的影响。