上周，一位制造业的 CIO 在会议室里摊手："模型换了三个，提示词改了十几版，智能问数查出来的数据还是和 ERP 对不上。"
排查了一圈，问题不在模型。在他系统里的数据。
过去一年，大模型、智能问答、AI Agent 在企业里跑马圈地。但真正用起来的屈指可数。我们交付了十几个 AI 项目后发现一个规律：AI 效果不佳的根因，十次里有七次不在模型，而在数据。
很多企业有个假设：模型足够聪明，数据差一点没关系，AI 能自动理解和纠错。
这个假设是错的。
AI 不会修复数据。AI 只会使用数据。
你把一份客户等级录错的 CRM 数据喂给 AI，它不会帮你纠正——它会基于错误的数据，输出一个看起来逻辑自洽、但结论完全错误的客户分析报告。
错误数据进入 AI 系统之后的传导路径，不是衰减，而是放大。
AI 不会自动修复数据，只会放大数据的缺陷
AI 本质上是数据的使用者。不管是智能问答、BI 分析还是 Agent 执行链路，最终的输出都建立在底层数据之上。
数据的缺陷传导到 AI 的过程，不是衰减，而是放大。
举个例子：某制造企业的 ERP 系统中，同一个物料编码在采购模块叫"316L 不锈钢板"，在生产模块叫"316L 冷轧板"，在库存模块又变成"SS316L"。人工处理时，老员工凭经验知道"说的是一回事"，但 AI 不知道。当员工问"316L 不锈钢板的库存还有多少"，AI 用 NLP 匹配到的可能是零——因为库存表里根本没有"316L 不锈钢板"这个字段值。
一个编码不统一的问题，在传统人工模式下只是"沟通麻烦点"。到了 AI 这里，直接变成"答案不可信"。
这就是 AI 时代数据质量最残酷的真相：人工能容忍的模糊，AI 会把它变成硬伤。
五种最容易毁掉 AI 项目的数据问题
结合近两年 AI 项目交付的经验，以下是五种最高发的数据质量问题，以及它们对 AI 造成了什么实际影响。
1. 数据缺失——AI 的答案永远不完整
某装备制造企业上了智能问数系统，管理层想查"过去半年各车间的设备综合效率（OEE）"。结果 AI 给出的是 4 个车间的数据，第 5 车间一片空白。不是 AI 漏了，是第 5 车间的 MES 系统过去三个月运维升级，部分设备的运行时间数据没有采集上来。
AI 不会主动告诉你"这部分数据缺失"，它只会基于已有的数据给你一个看起来完整的结论。
2. 数据错误——AI 一本正经地胡说八道
一家化工企业把客户等级手工录入 CRM 时，将"战略客户"的编码从 A 错录成了 B。AI 做客户分级分析时，自动把这个年采购额八千万的客户归类到"普通客户"组。分析报告看起来数据翔实、逻辑自洽——直到被人发现最大的客户被降了级。
3. 数据不一致——同一个问题，两个答案
某地政务服务中心上线了智能问答，市民查询"办理不动产登记需要哪些材料"。AI 给出的清单和窗口实际要求差了三种材料。原因是审批系统里的材料清单和办事指南网站上的材料清单，已经半年没有同步过。市民白跑一趟。
4. 重复数据——让 AI 的统计变成笑话
某分销企业在 CRM 合并过程中，同一客户产生了多个编码。AI 做客户 360 画像时，把同一个客户的采购历史拆成了多条记录，画出的画像既不对也难看。业务团队从此对 AI 的客户分析结论持保留态度。
5. 数据过时——AI 在替三年前的信息做决策
某制造企业的 ERP 物料主数据中，有一批物料三年前已停产，但系统中仍标记为"在产"。AI 做生产计划时把这批物料纳入了排产，采购部照着计划下了订单——供应商回电话说"这个型号的料我们三年前就不生产了"。
车间主任看了一眼排产表，直接打了 CIO 的电话。
这五种问题在传统人工模式下不是不存在，而是被经验、沟通和层层审核消化掉了。当企业的运转切换到 AI 驱动的模式，人工缓冲层消失，数据的问题会直接暴露在决策者面前。
为什么数据正在成为 AI 的竞争力？
根本原因在于一个趋势：数据量在涨，但数据治理没跟上。
过去三年，企业数据量平均年增长 40% 以上。系统越来越多、数据越来越分散、数据之间的关联越来越复杂。但大多数企业的数据治理仍然是"出了问题再补"的事后模式。
国家数据局在近期的政策表述中明确提出：高质量数据是人工智能发展的关键基础设施[2]。中国信通院的研究也显示，企业在 AI 项目中用于数据准备和数据治理的时间，平均占到项目总周期的 60% 以上[3]。
这意味着什么？
不是 AI 技术不好，而是我们把 60% 的时间用在了修补数据上，只用 40% 的时间发挥 AI 的价值。
AI 竞争正在从拼模型，转向拼数据。当大模型能力越来越接近——今天你的问答评测分高一点，下周别人追上来——高质量数据正在成为企业新的竞争壁垒。
企业的 AI 竞争，本质上正在变成数据质量的竞争。
国家标准怎么说？
很多管理者认为"系统在跑、报表能出，数据就没问题"。
但国家标准《GB/T 36344-2018 信息技术 数据质量评价指标》[1]给出了更严谨的框架，其中六个维度除可访问性外，其余五个直接影响 AI 应用效果：
完整性——该有的数据有没有。客户表里缺了联系方式，AI 做客户画像就缺了一大块。
准确性——数据是不是真实正确的。产品单价录入时多打一个零，AI 的价格分析就闹笑话。
一致性——不同系统之间的数据是否统一。ERP、CRM、MES 里同一个客户名称不一样，AI 跨系统查询必然翻车。
唯一性——有没有重复数据。一个供应商建了三个编码，AI 做评估时把一家当成三家统计。
时效性——数据还有没有用。供应商联系人三年前已离职，系统没更新，AI 把评估报告发到了空号上。
正确的 AI 建设顺序：先体检，再上马
很多企业的 AI 建设路径是这样的：
选模型 → 接数据 → 建应用 → 发现效果不行 → 返工治理数据
这是典型的"倒序建设"——把最应该前置的工作放在了最后。
更合理的路径只有三步：
第一步：数据质量评估。 先搞清楚数据有什么问题。哪些表缺字段、哪些系统数据打架、哪些标准不统一——问题被量化，决策才有依据。
第二步：数据治理。 不是一次性的运动式治理，而是建立持续的、可迭代的质量管理机制。定规则、跑检测、修问题、回头看。
第三步：建设 AI 应用。 在干净、一致、可信的数据基础上，让 AI 真正发挥作用。
这个顺序不是"更合理"，而是"更便宜"。先做数据体检，把大部分问题消灭在 AI 上线之前，比上线之后被业务部门投诉再返工，成本差一个数量级。
其实制造业对这个逻辑并不陌生——企业在推进智能制造之前，通常会先做 CMMM®评估（GB/T 39116-2020《智能制造能力成熟度模型》），摸清自身的成熟度等级再规划升级路径。数据质量评估也是同样的思路：先诊断，再下药。
如果让你下周就开始一次数据质量体检
坦率地说，靠人工检查已经走不通了。一个中型企业的核心业务表少则几百张、多则上千张，靠人力逐表排查既不现实也不可持续。
企业的操作流程也很直接，四步走完一次体检：
第一步：数据源接入。 支持 MySQL、Oracle、SQLServer、PostgreSQL 等主流数据库，把现有业务系统的数据统一纳进来。
第二步：元数据采集与管理。 自动采集表结构、字段信息等元数据，统一管理，不用人工梳理。
第三步：数据质量评测。 搭建评测模型 → 配置调度任务 → 自动输出结果。覆盖完整性、准确性、一致性、唯一性、规范性、时效性等全部质量维度。
第四步：问题数据统计与分析。 自动标记问题数据 → 分配修复 → 验证反馈，形成从发现到解决的完整闭环。
针对这个需求，龙石数据推出了数据质量管理平台·社区版——一个免费可用的数据质量体检工具。
它的核心价值很简单：
免费。 零采购成本，不需要走预算审批流程。
快速。 最低 4 核 16G 的服务器，一行命令完成部署，10 到 20 分钟就能打开浏览器开始用。
实用。 支持 MySQL、Oracle、SQLServer、PostgreSQL 等主流数据库，覆盖完整性、准确性、一致性、唯一性、规范性、时效性等全部质量维度，可视化配置检测规则。
闭环。 从发现问题 → 分配修复 → 验证关闭，形成完整的治理闭环。
更关键的是——社区版不是"功能阉割版"。它的内核和商业版一致，真正把数据质量管理的核心能力开放出来，让还没有采购预算的团队也能先做起来。
结语：AI 的起点，不是模型，而是数据
数字化时代解决的是"有没有数据"的问题。
AI 时代解决的是"数据能不能被正确使用"的问题。
模型决定 AI 能力的上限。但数据质量决定 AI 应用的下限——如果下限已经崩塌，上限再高也没有意义。
当大模型的能力越来越接近，当提示词工程越来越成熟，真正拉开企业 AI 差距的，是先人一步把数据清理干净的能力。
AI 时代最贵的成本，不是模型采购费用。而是在错误数据基础上的反复试错。
做 AI 之前，先看一眼你的数据。花一两周做一次数据质量体检，可能会省下半年甚至一年的试错。这可能是整个 AI 项目中投入最小、回报最高的一步。
龙石数据质量管理平台·社区版，免费可用。一行命令部署，让数据问题在 AI 上线之前被看见、被解决。
参考来源
[1] 国家市场监督管理总局、中国国家标准化管理委员会. GB/T 36344-2018 信息技术 数据质量评价指标. https://openstd.samr.gov.cn/bzgk/std/newGbInfo?hcno=D12140EDFD3967960F51BD1A05645FE7
[2] 国家数据局. 高质量数据集建设指引. https://www.nda.gov.cn/sjj/ywpd/szkjyjcss/0830/20250830210000366789341_pc.html
