2025展望：企业级生成式AI与非结构化数据现状调研（IT视角） ​

作者: 代国辉
发布时间: 2025/03/03

在生成式人工智能（GenAI）从概念验证走向大规模落地的当下，一个现实问题正在被反复提起：企业到底有没有准备好，让自家数据真正“喂饱”AI？

这份《2025 Outlook: The State of Enterprise GenAI and Unstructured Data IT Survey》调研报告，由知识管理与AI产品提供商 Shelf 联合第三方调研机构 ViB 发起，从IT与数据团队视角系统刻画了当前企业在 GenAI 项目推进、非结构化数据管理和数据质量方面的真实状况，可视为理解“2025 年企业 GenAI 与非结构化数据管理现状”的重要参考。

一、调研背景与方法 ​

本次调研为供应商中立（vendor-neutral）研究，由 ViB 独立执行。

  • ViB 拥有超过1000万名高度活跃的技术专业人士社区，本次样本主要来自其中的 IT、数据和业务转型负责人。
  • 调研全程采用标准化研究方法，从问卷设计、数据收集到统计分析，都应用了行业内通行的质量控制流程。

样本概况：

  • 有效样本：313 份
  • 职能构成：
  • 信息技术（IT）：88％
  • 数据管理：59％
  • 业务转型/创新：49％
  • BI/数据分析、数据工程、数据科学等占比较高
  • 职级分布：
  • C-level：约10％
  • VP/SVP：约34％
  • Director：约7％
  • Manager：约41％
  • 企业规模：从100+员工到10,000+员工各档均有覆盖
  • 行业覆盖：制造、科技、医疗健康、金融服务、零售、政府、高校、商业服务、电信、媒体与互联网等

整体而言，本次调研更接近“IT与数据管理中高层的集体自画像”。

二、企业级 GenAI 项目推进到哪一步了？ ​

1. GenAI 最“热”的场景：开发、数据和运营

在“当前贵公司在不同职能上的 GenAI 方案/能力处于何种阶段？”这个问题上，结果非常集中：

  • IT/软件开发：规划、PoC、已部署或已扩展的比例合计约 87％
  • 数据管理 / BI / Analytics：约 86％ 的组织在规划或已开展相关 GenAI 项目
  • 运营与流程自动化：约 83％ 正在布局或试点

可以看出，GenAI 在企业中首先攻击的是效率与生产力最“看得见”的领域：

  • 软件开发与运维
  • 数据分析和洞察
  • 流程自动化与运营优化

2. 哪些领域仍然相对“冷静”？

相比之下，“目前没有计划（No plans）”比例较高的职能包括：

  • 法务/财务（Legal/Finance）：约 36％
  • 产品/研发（Product/R&D）：约 30％
  • 人力资源（HR）：约 29％

这说明，在合规敏感或流程高度专业化的领域，GenAI 仍停留在较为谨慎的观望期。一部分是出于风险考量，一部分则是因为尚未充分评估适用场景与数据基础。

3. 目标：效率优先，但缺乏系统优先级管理

被问及“希望通过 GenAI 实现的前三大成果”时：

  • 61％ 的企业选择了“提升运营效率”
  • 其次是“提高员工生产力”“提升网络安全/防御能力”“改善客户体验”“增强决策质量”等

但在“是否建立了为 GenAI 用例排定优先级的正式流程？”这一问题上：

  • 66％ 的受访者表示：尚未建立正式流程
  • 仅约 11％ 表示“有一定程度的遵循”

换句话说，大多数机构已经开始做 GenAI 项目，但还没有形成系统性的“用例治理与投资组合管理机制”。

三、数据质量：决定 GenAI 上限的“地板” ​

报告反复强调一个简单却常被忽视的事实：

“垃圾进，垃圾出”（Garbage in, garbage out）在 GenAI 时代更加真实。

1. 为什么数据质量是 GenAI 的“硬前提”？

  • 对于采用 RAG（检索增强生成）架构的企业应用，模型输出高度依赖于检索到的内部知识与文档。
  • 如果底层数据存在错误、冲突或过期，模型就会在“看起来很自信”的自然语言中放大这些错误。
  • 这不仅会影响用户体验，更可能在合规、法律责任、客户信任等方面造成实质性风险。

因此，报告认为：企业级 GenAI 项目的真实瓶颈，往往不在模型，而在数据基础设施与数据治理。

2. 管理者怎么说？

受访者在开放式问题中给出了一些典型观点（节选意译）：

  • “数据不是某个产品的附属工作流，而是需要在设计工具之前整体规划的基础设施。”
  • “我们必须先提升数据管理和质量，再去谈 LLM 和更高级的 GenAI 能力。”
  • “如果没有标准化流程来抽取、分析、分类和解释非结构化数据，不同团队看到的‘真相’就会完全不同。”

四、非结构化数据：90％的数据，最大的不确定性 ​

1. 非结构化数据的量有多大？

报告引用 IDC 相关研究指出：

企业数据中约 90％ 为非结构化数据。

这些数据包括：

  • 文档、PDF、表格、演示文稿
  • 邮件、聊天记录
  • 知识库文章、FAQ、工单
  • 网页内容、音视频文件、通话录音转写文本等

对于 GenAI 来说，这些正是最有价值的“语义原材料”。

2. 企业在现实中拥有什么？

调研发现：

  • 超过 85％ 的组织表示自己管理的文档/文件数量超过 100 万
  • 51％ 表示超过 1000 万
  • 25％ 表示超过 2500 万

主要分布在：

  • Microsoft SharePoint（67％）
  • 邮件系统（46％）
  • OneDrive（45％）
  • 企业内部知识库/门户、ServiceNow 等服务管理平台、CRM、Google Drive、Salesforce Knowledge、LMS、客服对话平台、Slack/Teams 等

这意味着：

GenAI 要吃的数据，是跨多个系统、多个团队、多个格式的异构内容综合体。

五、典型的非结构化数据“病症图谱” ​

在“贵公司非结构化数据最常见的问题有哪些？”的多选题中，排在前几位的选项是： 1. 重复和多版本文件 2. 信息过期 3. 不同版本之间内容冲突 4. 内容错误或不准确 5. 包含合规风险（敏感信息泄露、违规保存等） 6. 分类/标签错误 7. 元数据缺失或质量不佳 8. 内容缺失、信息不完整 9. 难以与结构化数据结合使用 10. 形成新的内容孤岛、系统间缺乏集成 11. 权限配置错误（错误的人看到错误的数据）

从 GenAI 视角看，这些问题都会直接变成：

  • 幻觉（Hallucination）
  • 不一致回答
  • 合规风险
  • 难以复现和审计的“黑盒输出”

六、企业使用非结构化数据做 GenAI：知道有坑，但还是要用 ​

即便问题众多，企业在计划 GenAI 用例时最想利用的仍然是各种非结构化数据：

  • PDFs 和文档：74％
  • 邮件：54％
  • PPT 等演示文件：46％
  • 知识库文章：44％
  • 网站内容：35％
  • 客户交互记录：33％
  • 视频：32％
  • 企业 FAQ：29％
  • 音频：27％
  • 通话录音转写文本：24％
  • 内部 IM/协作信息流：20％
  • 外部社交媒体内容：20％

这也是这份报告给出的一个重要结论：

非结构化数据已成为企业级 GenAI 项目的“主战场”，而不是边缘数据。

七、企业现在在做什么？“先上模型，再补数据” ​

当被问及“贵公司目前如何应对这些非结构化数据质量问题？”时，企业的选择大致分两类：

一类是“从模型端去适应数据”：

  • 在现有数据上直接微调模型（57％）
  • 优化提示词工程，调整模型调用方式（20％）
  • 在 GenAI 层之上加中间层，对数据做一定的预处理/路由（17％）

另一类是“从数据端去改造基础”：

  • 引入新的数据管理和数据质量解决方案（45％）
  • 投资专门用于管理非结构化数据质量的工具（26％）
  • 招聘/外包数据管理员（23％）

报告认为，仅从模型端“姿势纠偏”，无法从根本上消除错误数据的放大效应。 更可持续的路径，仍然是：

“先把数据打理干净，再让 GenAI 去放大正确性与价值。”

八、如果有一根“魔法棒”，企业最想要什么样的工具？ ​

报告提出了一个很有意思的设问：

“如果你有一根魔法棒，可以立刻拥有一款帮助你管理非结构化数据的工具，你希望它做什么？”

受访者的“愿望清单”大致包括： 1. 识别不准确的内容：自动发现错误、过期或低质量信息 2. 识别相互冲突的版本：帮助判断“哪一个才是正式版本/最新版本” 3. 识别缺失内容：告诉你“哪部分信息没被记录或不完整” 4. 在源头自动修复问题：去重、纠错、补充缺失字段、修正分类等 5. 识别并修复元数据问题：标签错、缺标签、上下文缺失 6. 自动添加结构化元数据和上下文：让非结构化数据变得“可被治理”

换句话说，企业真正想要的是：

  • 能够“看懂内容本身”，而不是只看文件名、路径和静态标签；
  • 能够对非结构化数据进行自动体检和修复，而不仅仅是提供另一个搜索框。

九、对中国企业与政府机构的启示 ​

从中国语境看，这份报告有几个值得特别关注的点：

  1. “90％是非结构化数据”是全球共性，不是国外企业的特例 在大模型与智能体项目全面铺开之前，先正视自身文档、知识库、邮件、IM等非结构化数据的现实状况，是更务实的起点。
  2. GenAI 项目往往先跑在 IT 和数据部门，而治理与档案/records 管理还在追赶 这与国内不少机构“技术团队很激进、治理团队相对滞后”的现象高度相似。
  3. GenAI 项目成败与档案/文档管理质量强相关 在政务、金融、医疗、能源等强监管行业，非结构化数据本身就承载合规与问责责任，GenAI 上线之后，其输出会被视为“机构观点”，更要小心数据质量和版本控制。
  4. 工具设计趋势：从“存起来”到“读懂+治理+服务AI” 未来几年，围绕非结构化数据的基础设施，很可能从传统 ECM/DMS/档案系统，演进为“面向 AI 的内容与知识底座”，在产品架构上、在与数据治理和 records management 的结合上，都有很大设计空间。

结语 ​

如果用一句话概括这份调研报告的核心结论：

企业的 GenAI 雄心，整体上快于其非结构化数据管理和治理能力的演进。

对正在推进大模型、RAG、企业知识问答、智能客服、智能运维等项目的机构来说，与其一味追逐“更大的模型”“更炫的应用”，不如先问自己三个问题：

  1. 我们的非结构化数据到底长什么样？
  2. 这些数据的质量、版本、合规风险，是否已经达到“可被AI放大”的安全线？
  3. 在GenAI项目中，有没有把“非结构化数据治理”当作基础工程来规划，而不是临时打补丁？