人工智能已经推动了许多技术的发展，从而推动了现代经济的发展。如今，人工智能已成为我们使用互联网的重要组成部分，但在证券交易所，高级工厂和自动化仓库中也可以找到人工智能。它开始开我们的汽车，甚至吸尘我们的地板。但是，只有一小部分能够从人工智能中受益匪浅的公司正在利用这种方法来帮助交付其产品和服务。
一个重要的原因是缺乏高质量的数据。诸如Google，Microsoft和Amazon之类的技术巨头已经在AI方面取得了长足的进步-开发软件来回答我们的问题并确定照片中的内容-因为它们的数据收集操作非常庞大。但是，许多可以从人工智能和先进机器人技术中受益的成熟行业都在努力以有用的方式收集，管理和使用数据。
拥有高质量和可信赖的数据是帮助公司更好地了解其市场和客户并实现自动化决策的关键。在基础架构级别，数据可以指导规划人员和开发人员，并帮助优化建筑物，道路和铁路的使用和维护。这也可以通过使我们的基础架构使用寿命更长，工作效率更高，减少能源浪费和不必要的交通流量来减少碳排放。
人工智能的基础
简单来说，数据就是人工智能的基础。要训练AI执行特定任务，通常需要通过其渐进式学习算法来运行样本数据，以便它可以适应和提高其识别模式并做出相应响应的能力。然后，某些AI可以自动执行从新数据中发现有用信息的重复过程，甚至比人类更擅长发现模式或识别我们永远无法找到的事物。在某些情况下，AI处理的数据越多，它学会的功能就越好。
但是，尽管有潜在的好处，但研究表明，在某些行业中，只有10%的公司已经解锁了这类高级分析方法。行业，如电信，汽车和金融服务正试图赶上科技巨头。但是，包括医疗保健，教育，政府和建筑在内的许多部门仍未接近发挥数据和人工智能的全部潜力。
例如，加快医疗诊断速度并使其更加准确，仅在美国医疗保健领域就可以节省4000亿美元。但是，还没有制定适当的规则和激励措施来鼓励足够的人与AI开发人员共享他们的医疗数据，因此该行业尚未意识到这种潜力。
那么，更多的公司如何开始收集可以帮助他们充分利用AI的数据呢?通常有几个关键问题可以使公司退缩。所需的数据可能不存在，可能无法访问(例如，因为它是私有的)，可能存在于太多有用的位置，源或格式中。它的质量也可能有限，或者没有被收集用于AI，因此没有正确的信息。
可能也太多了。我们经常听到有关“大数据”，非常大的数据集的价值的信息，从中可以得出模式和其他有用的见解。但是收集更多数据并不一定总能带来更好的分析结果，有时可能会不必要地变得复杂且占用大量资源。
这些问题通常是由于公司没有正确的策略或专业知识而发生的。研究表明，许多公司仍然缺乏专门的数据团队来确保收集，管理并正确使用正确的数据。但是，我和我的同事最近进行的研究表明，员工少于50人的技术公司经常大量使用数据分析。这表明，与传统的大公司相比，创新型初创企业可以更了解数据的价值，并且足够敏捷以有效地使用数据。
如果可以从数据和人工智能中受益最大的传统公司和其他组织希望能够竞争，获利并建立可持续发展的世界，则他们必须开始拥抱数据。人工智能解决方案的质量只能与它们建立的数据质量一样好。这意味着要雇用合适的人员，并制定所需的策略以收集正确的数据，使其可访问，评估质量，然后将其用于开发AI解决方案。只有这样，这些组织才能真正利用下一次工业革命。