以前两年，大渊博对于AI的估计都会聚在模子上——模子有多宏大，演进速率有多快。但时常被漠视的是这些模子所依赖的数据质地。

在金融服务行业，数据一直是咱们料理风险和生成知悉的中枢。这少许莫得转换。AI转换的是数据策略中的颓势露出的速率。若是悉数权不解确，或者不同系统之间的界说存在各别，AI时常会露出这些问题，而不是处分它们。

这等于为什么对贝莱德来说，AI策略始于更基础的东西：数据悉数权和语义。

在很多组织中，数据当作期骗步和解工作过程的副产物不断蕴蓄。这些"排放物"被存储、鼎新和请问，但跟着时期推移，陡立文会侵蚀，界说会漂移，牵累变得浮泛。当教学丰富的分析师解读扫尾并用机构常识填补空缺时，这种表情不错运作，但当机器被盼望对疏通钞票进行推理时，后果就不那么好了。

若是AI系统要可靠运行，它们使用的数据需要明确的悉数权、纪录的血统联系和一致的界说。咱们越来越多地将数据视为产物而非排放物。这意味着有东说念主对其崇敬，治理从一驱动就内置其中，数据的联想使其不错被重叠使用——不仅用于单个请问，还可用于悉数工作过程，包括AI驱动的工作过程。

影响这项工作的一个有考虑是咱们选拔在不会聚化的情况下圭臬化数据钞票。

在受监管的行业中，开云体育app2026世界杯官方下载应付复杂性的传统表情是整合——将悉数实践移至一个仓库并在那边扫尾。这不错改善监督，但也可能拖慢团队速率，并在数据与最了解数据的东说念主之间制造距离。咱们禁受联邦口头运营，业务和产物团队对其数据产物保合手牵累，因为他们最接近这些数据集解救的投资过程。

Snowflake是咱们圭臬化这些智商的基础，它为咱们提供了一种一致的表情来保护、分享和审计悉数这个词公司的数据。宏大的基于变装的打听扫尾和原生数据分享使咱们大略在保合手互操作性的同期扩张界限，而无需每个有考虑都通过单一的会聚化小组。

你不错在咱们通过Aladdin数据云录用数据的表情中看到这种均衡。不久前，分发数据意味着平面文献、FTP传输和大型口头界说。这种表情灵验，但不合适现在的环境。现在客户不错以当代化、云原生的表情将其纪录账簿和市集数据径直集成到更世俗的数据钞票中。

在金融服务领域，博亚体育治理不成过后添加。跟着咱们合手续发展数据平台，咱们越过喜欢元数据和问责制。莫得任何钞票不错在莫得明确悉数权和开始纪录的情况下干与平台。跟着AI驱动的工作过程和天然言语界面越来越多地镶嵌正常过程，这种可记忆性只会变得愈加迫切。

AI还揭示了更奥秘的东西：语义。两个系统不错使用疏通的字段称号，但含义王人备不同。东说念主类时常不错处分这个问题，但AI系统不成。若是陡立文是隐式的而非显式的，可靠性会赶紧崩溃。

这是我荒谬留情行业在绽开语义交换（OSI）方面工作的原因之一。目的很粗拙——使组织大略交换的不仅是数据，还疏淡据背后的含义。当语义可移植时，你无用在每次引入新用具、模子或智能体时重建施展层。在解救AI的生态系统中，这种互操作性很快就会变得实用。

跟着咱们加强悉数权和分享圭臬，咱们看到团队运营表情发生了显耀变化。花在料理定制传输或拼接系统上的时期减少了，更多时期会聚在升迁数据产物自身的显现度和实用性上。笔据咱们的教学，敏捷性和扫尾力并不矛盾。有了明确的圭臬和问责制，它们时常会互相加强。

市集和时代将不绝发展。新的钞票类别将出现。数据界面将变得愈加直不雅。为异日作念准备意味着不绝完善基础——数据自身的悉数权、治理和显现含义，而不是追赶下一个模子发布。

贝莱德的工作是匡助越来越多的东说念主体验财务健康。AI不错加快咱们结束这一工作，但前提是其底层数据是有悉数权的、受治理的和被明晰剖判的。

对于议论AI策略的组织来说，这才是确实工作的驱动。

Q&A

Q1：贝莱德为什么合计AI策略应该从数据悉数权和语义驱动？

A：因为AI会快速露出数据策略中的颓势。若是数据悉数权不解确或不同系统间界说不一致，AI系统无法可靠运行。贝莱德将数据视为产物而非副产物，确保有东说念主对数据崇敬，治理从一驱动就内置，数据不错跨悉数工作过程重叠使用。这种基础性工作比追赶最新模子更迫切。

Q2：贝莱德在数据料理上禁受了什么口头？为什么不会聚化料理？

A：贝莱德禁受联邦口头，业务和产物团队对各自的数据产物保合手牵累，因为他们最接近投资过程。天然会聚化不错改善监督，但会拖慢团队速率，并在数据与最了解数据的东说念主之间制造距离。通过Snowflake平台，贝莱德结束了圭臬化但不会聚化，既保合手互操作性又能机动扩张。

Q3：绽开语义交换（OSI）对AI期骗有什么迫切意思意思？

A：OSI使组织大略交换数据偏执背后的含义。两个系统可能使用疏通字段名但含义王人备不同博亚体育，东说念主类不错剖判但AI系统不成。当语义可移植时，无用在每次引入新用具、模子或智能体时重建施展层，这种互操作性在AI生态系统中越过实用，能显耀升迁系统可靠性。