在当今数据驱动的商业环境中，信息孤岛已成为阻碍企业创新和效率提升的主要障碍。随着AI代理技术的快速发展，能够访问和分析不同类型数据的能力变得前所未有的重要。然而，许多软件即服务(SaaS)供应商却有意无意地将客户数据锁在孤岛中，这不仅限制了企业的创新能力，也阻碍了AI代理的发展潜力。
数据孤岛：AI时代的绊脚石
AI代理正在变得越来越擅长审视企业中的不同类型数据，以识别模式并创造价值。这一进步使得数据孤岛带来的痛苦日益加剧。正如Andrew Ng在最近的文章中指出的，他越来越倾向于选择允许自己控制数据的软件，以便将这些数据提供给AI代理使用。
随着AI能力的不断提升，现在从不同数据点之间"连接点"所创造的价值比以往任何时候都要高。例如，如果一个点击记录在一个供应商系统中被记录，而随后的在线购买在另一个系统中被记录，那么构建能够访问这两个数据源的AI代理来分析它们之间的相关性，从而做出更好的决策，就具有极高的价值。
SaaS供应商的数据锁定策略
不幸的是，许多SaaS供应商试图在客户业务中创建数据孤岛。通过使客户难以提取自己的数据，他们创造了高昂的转换成本。这也使他们能够引导客户购买他们的AI代理服务——有时价格高昂且/或质量低下——而不是让客户构建自己的AI或从其他供应商处购买。
更令人担忧的是，一些SaaS供应商正在意识到AI代理将觊觎他们的数据，并正在努力使您（以及您的AI代理）更难高效地访问这些数据。
实际案例：数据提取的高昂代价
Andrew Ng的一个团队最近告诉他，他们一直用来存储客户数据的SaaS供应商想要收取超过20,000美元的费用才能获得访问其数据的API密钥。这种高昂的成本——无疑是故意设计的，以使客户难以获取自己的数据——正在为利用该数据实施AI代理工作流程增加障碍。
策略建议：重新获得数据控制权
通过AI Aspire（一家AI咨询公司），Ng偶尔会就AI战略向企业提供咨询。在购买SaaS时，他经常建议他们尝试控制自己的数据（可悲的是，一些供应商强烈抵制）。这样，您可以雇佣SaaS供应商来记录和操作您的数据，但最终您决定如何将其路由到适当的人类或AI系统进行处理。
数据组织的新时代
在过去十年中，大量工作投入到组织企业的结构化数据中。由于AI现在能够比以往更好地处理非结构化数据，因此组织非结构化数据（包括PDF文件，LandingAI的代理文档提取专门处理这些！）的价值比以往任何时候都要高。
在生成式AI时代，企业和个人面临着重要的工作，即组织他们的数据，使其达到AI就绪状态。
个人数据管理：Obsidian的启示
作为个人，Ng最喜欢的笔记应用是Obsidian。他乐于"雇佣"Obsidian来操作他的笔记文件。而且，他的所有笔记都以Markdown文件的形式保存在他的文件系统中，他已经构建了能够读取或写入Obsidian文件的AI代理。这是控制自己的笔记数据如何让他能够更有效地利用AI代理的一个小例子。
实施建议
数据主权优先：在选择SaaS解决方案时，优先考虑那些允许您完全控制数据的选项。
API访问权：确保供应商提供公平合理的API访问条件，避免过高的数据提取费用。
数据标准化：将数据转换为标准格式（如Markdown），以便更容易被AI代理访问和处理。
混合数据策略：结合结构化和非结构化数据管理，充分利用AI处理各种数据类型的能力。
定期数据审计：定期审查您的数据资产，识别孤岛并制定整合计划。
未来展望
随着AI技术的不断发展，数据孤岛与数据开放之间的矛盾将进一步加剧。那些能够打破数据孤岛、实现无缝数据整合的企业，将在AI驱动的商业竞争中占据显著优势。
未来，我们可能会看到更多专门致力于数据互操作性和AI就绪数据管理的解决方案出现。同时，监管机构可能会出台更多规定，限制SaaS供应商过度限制数据访问的能力。
结论
在生成式AI时代，数据不仅仅是静态资产，更是AI代理学习和创造的原材料。打破数据孤岛不仅是一种技术选择，更是一种战略必然。通过重新获得数据控制权，企业可以充分发挥AI代理的潜力，创造前所未有的商业价值。
正如Andrew Ng所展示的，即使是个人用户也可以通过明智的数据管理策略，显著提升AI工具的效能。在组织结构化数据的同时，我们也需要重视非结构化数据的组织工作，因为AI处理这些数据的能力正在迅速提升。
最终，数据应该成为连接不同系统和见解的桥梁，而非隔离创新和协作的壁垒。只有打破数据孤岛，我们才能真正释放AI代理的全部潜力，开创一个更加智能、互联的商业未来。
