数据管理专家Chet Kapoor、风险投资者Vanessa Larco以及数据集成平台Fivetran的首席执行官George Fraser共同探讨了现代AI应用中“新数据管道”的重要性，以及如何在AI发展的早期阶段找到正确的平衡点。

数据：AI的生命线

“没有数据就没有AI，没有非结构化数据就没有AI，没有大规模非结构化数据就没有AI。”这句话不仅强调了数据在AI发展中的核心地位，也揭示了数据处理的复杂性。在AI的浪潮中，企业往往被海量的数据所淹没，这些数据可能分散在多个地点，甚至包含敏感信息。因此，如何有效地管理和利用这些数据，成为了AI应用成功的关键。

从小处着手，逐步推进

面对这一挑战，Larco提出了一个实用的建议：“反向思考你想要实现的目标——你想解决什么问题，你需要什么数据？”她强调，企业应该从小的、内部的应用开始，设定非常具体的目标，然后找到与这些目标相匹配的数据。这种方法不仅有助于企业避免被数据淹没，还能确保AI项目的快速落地和持续迭代。

Fraser也持相似观点，他主张企业只解决当前面临的问题，避免过度追求大而全的项目。他强调：“创新成本的99%都花在了那些没有成功的东西上。”因此，专注于实际问题，快速试错，是AI项目成功的关键。

生成式AI：愤怒的小鸟时代

Kapoor用“愤怒的小鸟时代”来形容当前生成式AI的发展阶段。尽管生成式AI已经展现出强大的潜力，但尚未带来革命性的变化。他预计，明年将是“转型之年”，届时人们将开始开发真正能够改变公司轨迹的应用。然而，在这一过程中，如何确保AI技术的健康发展，避免其成为虚假信息的温床，成为了亟待解决的问题。

虚假信息的挑战

随着AI技术的普及，虚假信息的传播速度也在加快。一项调查显示，85%的人担心网络上的虚假信息。今年，一些高调的虚假信息活动已经引起了广泛关注，包括针对美国联邦选举的机器人网络和针对特定选民的深伪语音邮件。这些事件不仅损害了公众的利益，也加剧了社会的分裂和不信任。

AI：既是解决方案也是问题

AI既可以帮助打击虚假信息，也可以制造虚假信息。当前的AI技术并不完美，但随着时间的推移，AI的审核模型将变得更加准确和高效。然而，由于AI降低了传播虚假信息的成本，即使是升级后的审核模型也可能无法完全跟上。社交平台通过收入共享计划激励虚假信息的传播，加剧了其危害。

监管与自我治理的博弈

自我治理无法回答关于权力、责任和透明度的基本问题。而监管则能够确保AI技术的健康发展，保护公众的利益，未来如果能在AI生成的内容加入水印，以便更容易识别哪些内容是AI生成的。