近日在群内看到某企业CIO无奈的吐槽道：“领导说了，现在都是AI时代了，还做什么数据治理，纯粹就是浪费钱，AI就可以搞定！”
看到此时我想很多行业人士都会开启群嘲模式，会嘲笑这位领导不懂技术，但现实却是这句话，正在成为一些企业领导的“新认知”。而源头就是一些自媒体视频在一本正经的胡说八道：大模型能理解自然语言，能处理非结构化数据，能自动“读懂”各种格式——既然AI这么聪明，为什么还要花时间做数据治理？那不是老一套的“笨办法”吗？
这听起来很颠覆，也很诱人。但它背后隐藏着对AI能力、数据本质、企业应用三个层面的深刻误解。如果企业真的按这个逻辑推进数字化，后果可能是灾难性的。
今天老杨就与大家来深入探讨数据治理这件事。
这个时候我们不妨自我反思一下，为什么CIO们为了某个项目建设磨破嘴皮也打动不了领导，反而自媒体几分钟的胡说八道就能打动领导的“芳心”？我们不妨来客观分析一下：
众所周知做传统的数据治理是非常苦逼的脏活累活，需要先定义数据字典，统一字段格式，建立编码规范，然后才能做分析、做集成。周期长、投入大、见效慢，业务部门还得配合做大量“看不到直接价值”的工作。对于急于看到AI效果的领导来说，这种“先修路后跑车”的模式，确实让人等不及。
不可否则AI技术在某些方面确实很优秀，过去需要精确匹配才能识别的信息，现在用自然语言就能检索；过去必须结构化存储才能分析的内容，现在可以直接扔给向量数据库。比如，过去做客户投诉分类，必须先把投诉原因枚举成标准编码；现在直接扔给大模型，它就能自动归类，所以这也是一些自媒体视频看似合理且神奇的卖点。
“先治理后应用”在企业的现实中往往走不通，因为企业耗不起、领导等不起，而“先跑应用、在应用中倒逼治理”反而更可行。领导说“不用先做数据治理”，有可能是在反对那种“为了治理而治理”的形式主义。
所以从以上不难看出某些自媒体是深知领导之痛的，所以在一定程度上是有一些合理成分存在的，但细分析之下你就会发现他们的核心逻辑是错的。
大模型确实能“理解”非标准化的数据，但这种理解是概率性的、不稳定的。但自媒体却刻意放大概率性而忽视不稳定性，只为领导展示一个完美的AI技术。比如在企业场景中，70%的准确率往往等于不可用，必须安排人工复核全部结果。而做数据标准化的价值，恰恰在于消除这种不确定性。当数据的格式、编码、单位都统一后，AI的输出就变得可预测、可验证。
某些自媒体的演示视频，展示的往往是单点应用：把一份合同扔给AI，提取出几个字段。这确实很酷。但现实中企业需要的不是单点应用，而是系统能力。比如一份合同，不仅是在走合同审批流程，同时还需要对接ERP、财务、法务等多个模块与系统。如果每个系统的数据格式都不一样，AI每次都要“重新理解”，每次输出的结果都是不一样的，这个时候听谁的？所以数据标准化的真正价值，是让AI能力可以被复用、被集成、被规模化，而非孤岛化把AI的价值锁死在小场景里。
假如某企业跳过了数据治理，确实可以让第一个AI项目快速上线，这是领导所希望看到的，但代价是什么？那就是当第二个项目要对接第一个项目的数据时，发现格式对不上；当第三个项目要用到前两个项目的数据时，发现字段定义不一致；当需要做跨业务线的数据分析时，发现同一套数据在不同系统里“说的不是同一种语言”。这个时候AI输出的内容全部是所谓的幻觉，即一本正经的胡说八。这个时候企业又要回过头来重新进行数据清洗与治理，浪费大量成本。
从以上我们不难看出当前很多传统企业的领导对AI能力的认知是有很大偏差的，经常把AI当成“魔法”，而不是“工程”。同时也反映出一些领导对数据本质的误解，即在领导的认知里数据就是AI的“原料”，能用就行，不用管质量，因为AI有消化能力，岂不知垃圾进垃圾出，这是最简单的道理。而最大的问题就是某些企业领导战略耐心缺失，追求“速胜”，不愿意“慢工出细活”，做AI项目也是如此，所以自然就会参照自媒体的速成法选择看起来最快的路径，最后我们看到的就是：技术决策被非技术因素主导，专业判断总被短期利益碾压。
老杨在这里要说的是：在AI时代数据治理不是“要不要做”，而是“怎么做”。所以思路很重要，技术在升级迭代，信息部门的工作思路也同样需要升级。
因此在AI项目快速上线的压力下，建议采取“按需治理，快速见效，逐步积累”的数据治理策略，不要再追求“把所有数据都治理好再上AI”，而是“AI需要什么数据，就先治理什么数据”。同时也要打破传统“僵化”的标准制定机制，不要一个数据标准一制定就几年不变，在AI时代，业务变化快，标准也需要持续迭代。所以企业需要建立数据标准的迭代机制，定期根据AI应用的实际反馈进行调整。而最关键的就是企业领导的认知，要把数据治理当作“投资”而非“成本”，别舍不得投入，要知道花在数据治理上的一块钱，可能让后续AI项目的投入产出比提升十倍。
AI确实改变了很多事情，但没有改变一个基本事实：数据是企业的核心资产，而治理是让资产可衡量、可交易、可增值的基础。“有了AI就不用做数据治理”，这是自媒体为了流量的一种手段，流量改变不了企业的管理现实，大模型可以“理解”五花八门的数据格式，但它无法“消除”格式不一致带来的混乱和成本，它可以降低治理的门槛，但不能替代治理的价值。
你的企业在数据治理上是否存在误区？欢迎评论区留言！
本文来自微信公众号“湘江数评”（ID：benpaoshuzi），作者：老杨，36氪经授权发布。
发布时间：2026-04-07 14:39
立即订购
在线咨询
返回顶部