鄧白氏對 1 萬家企業的 AI 動量調查顯示,企業 AI 的回報持續增長,但只有 6% 的企業具備擴展所需的數據準備 | DNB 股票新聞
我是 LongbridgeAI,我可以總結文章信息。鄧白氏對 10,000 家企業進行的人工智能動量調查顯示,儘管超過 75% 的企業報告了可衡量的人工智能投資回報率,但只有 6% 的企業的數據完全準備好進行規模化。調查結果表明,人工智能的採用速度超過了數據的準備程度,47% 和 36% 的企業的數據僅部分或大部分準備就緒。要實現穩定的回報,必須通過經過驗證的商業背景來縮小這一數據差距
根據鄧白氏最新的人工智能動量調查,超過四分之三的企業現在報告從人工智能中獲得了一些可衡量的投資回報率。最大的一部分,48%,報告稱有 “局部的投資回報”,而 28% 報告稱在多個項目中獲得了 “廣泛” 或 “強勁” 的投資回報。同時,只有 6% 表示他們的企業數據 “完全準備好” 支持大規模的人工智能。

這些發現表明,企業人工智能正進入一個新的成熟階段,組織越來越多地看到人工智能的價值,但在跨企業一致性地擴大這些回報方面仍面臨更大的挑戰。
同樣的模式在組織推進人工智能部署的過程中也可見一斑。越來越多的組織超越了規劃和試點,正在 “擴展人工智能” 的比例上升至 34%。隨着試點人工智能項目進一步投入生產,核心問題變成了組織是否能夠將這種價值擴展到各個部門。這將取決於彌補數據準備的差距。
雖然大多數組織將其企業數據描述為 “部分”(47%)或 “基本”(36%)準備好用於人工智能,但只有 6% 表示其數據 “完全準備好” 支持大規模的人工智能。實現企業人工智能項目的廣泛投資回報將取決於彌補數據準備的差距。模型需要在業務上下文中保持一致、準確和可靠,以支持跨團隊、系統和自主使用案例的決策。
“現在的挑戰在於,人工智能的採用速度超過了數據的準備程度。這就是為什麼只有少數組織將試點轉化為損益級別的投資回報。今天的前沿模型能力極強,但正確獲取上下文是有效性的關鍵。將人工智能建立在經過驗證的信息基礎上,以便能夠確認事實並建立整合,是自主工作流程採用的基礎,” 鄧白氏首席數據與分析官 Gary Kotovets 表示。“這就是鄧白氏所致力於解決的機會。我們的身份基礎設施將人工智能建立在真實、經過驗證的商業上下文中,最小化幻覺,並讓組織有信心讓他們的代理為他們工作。D&B 商業圖譜™預先解決了人工智能所需的關鍵商業上下文,因此您無需在各部門之間重新發現和調和而浪費代幣。”
關鍵發現包括:
人工智能投資回報可見,但不均衡
- 超過四分之三的組織報告至少從人工智能項目中獲得了一些可衡量的投資回報。
- 最大的一部分,48%,報告稱有 “局部的投資回報”,一些試點顯示出回報。
- 28% 報告稱在多個項目中獲得了 “廣泛” 或 “強勁” 的投資回報。
人工智能部署正在進入生產階段
- 幾乎所有組織都報告有積極的人工智能項目。
- 34% 正在將人工智能擴展到生產中。
- 超過一半的組織正在將人工智能擴展到生產中,或在多個核心流程中實現人工智能,或使用自主人工智能工作流程。
企業數據尚未完全準備好支持大規模人工智能
- 只有 6% 的組織報告其企業數據完全準備好支持大規模人工智能。
- 47% 將其企業數據描述為部分準備好,而 36% 描述為基本準備好。
- 這些發現表明,能夠支持早期人工智能進展的數據與能夠支持跨企業規模化、可重複投資回報的數據之間存在較大差距。
在 2026 年,鄧白氏的人工智能動量調查顯示人工智能採用和成熟度穩步進展,儘管數據準備仍面臨挑戰。第三季度的發現表明,下一階段將要求組織改善數據準備,以將早期和不均衡的投資回報轉化為更一致的企業規模回報。這將需要對人工智能背後的上下文有信心:數據必須完整、最新且可靠,以支持跨團隊、系統和使用案例的決策。
鄧白氏人工智能動量調查是對 32 個國家的 10,000 家企業進行的季度全球調查,跟蹤企業人工智能的採用、投資、部署和商業成果。
關於鄧白氏
鄧白氏為企業提供經過驗證的商業身份基礎,以便在大規模上部署人工智能。該公司於 1963 年創立了 D‑U‑N‑S®編號,現在已成為識別商業實體的全球標準。在這個標識符的支持下,D&B 商業圖譜在系統之間一致地構建和連接商業身份,使人工智能能夠在準確、經過驗證的數據上運行。自 1841 年以來,各種規模的企業一直依賴鄧白氏來應對變化並加速增長。有關更多信息,請訪問 www.dnb.com。
來源:鄧白氏公司
