详细内容或原文请订阅后点击阅览
None
据K2Tech称，不超过20%的CII实体拥有足够成熟的数据基础设施、管理和数据处理来满足人工智能领域新法律的要求。超过一半的公司需要改进现有系统和方法，25% 的公司需要重大转型。
来源:OSP网站大数据新闻2026年7月8日，国家杜马通过了《关于支持俄罗斯联邦人工智能技术发展》的法案。它介绍了主权和国家人工智能模型的概念，并定义了应用于政府信息系统和重要关键信息基础设施的大型基础模型的要求。他们必须遵守安全和质量要求，并在俄罗斯处理和存储数据。该法律要求公司清楚地了解公司电路中使用了哪些模型和服务、它们操作哪些数据、它们可以访问哪些系统以及谁对其使用结果负责。
K2Tech 研究表明，满足新要求的主要障碍之一是数据质量。只有 20% 的受访者拥有完全准备好并标记的数组，即适合训练算法的数组。在 43% 的公司中，数据需要清理或整合，四分之一的参与者 (25%) 认为数据质量差是实施人工智能项目的主要障碍。
问题不仅限于数组的清理和布局。超过四分之一的组织仍然在没有数据管理策略的情况下运营，这使得为人工智能计划建立统一且可验证的基础变得困难。 K2Tech 专家指出，如果没有企业数据模型，就会出现三个系统障碍。首先，训练模型所依据的数据随着时间的推移会变得过时。其次，产生的结果的来源无法验证。第三，日常生活中使用的术语与数据源中的名称之间的语义差距使得难以理解人工智能模型的响应。结果，超过 50% 使用 AI 的项目正是因为数据质量问题和无法追溯其来源而被关闭。