人工智能技术的能力和表现，直接取决于可用数据的“质”与“量”。Accenture Research在研究过程中发现，绝大多数的企业经理人对于他们的数据分析项目能够带来多大程度的商业产出并不确定，这恰恰也说明了目前企业依然处在数据利用极度不足的情况中。

当然，目前已经有许多大公司开始在管理层（C-suite）中增加了CDO（首席数据官）的席位，Gartner预计在2019年，90%以上的大公司/组织将会拥有CDO的设置。企业经理人们将在未来重点关注数据安全性、规则设定和数据管理，而非仅仅将数据当作供应链来看待。

首席数据（供应链）官将需要设计构建一个综合的、端到端的数据供应链，考虑所有数据相关的事宜，如：如何平衡内外部数据源？每天公司的数据运转和成本如何？在哪里部署企业的数据仓库？公司如何简化数据存储？

五、建立一个开放的人工智能文化

企业文化将需要开始适应人工智能“雇员”的出现，人类和机器将相互合作，相互学习。与其他任何的协作关系一样，企业将需要信任、开放和透明的文化。例如，未来人们可能更愿意将不好的商业表现、错误的产出归咎于机器，而不是去寻找真正的问题所在——无论是人类还是机器的原因——并且去实施改进。就像在人类关系当中，竞争关系或交易关系都需要人们去克服共同障碍以实现共享价值的最大化一样，我们需要明白，帮助机器就是帮助我们自己。

人类对于人工智能在工作安全性、影响薪资、隐私方面的顾虑，同样会影响到公司雇员对人工智能技术的接受态度。企业领导者有责任清楚地向员工解释人工智能协同工作可能带来的对原有雇员的挑战和机遇，并且在企业中构建一种文化和指导方针，来最小化可能面临的挑战，和最大化能够迎来的机遇。

事实上，管理者甚至已经可以开始积极地尝试使用人工智能技术来改进公司文化，例如，人工智能技术现在已经可以通过自然语言处理来探测到员工的情绪压力和倦怠心态，帮助管理者更好的改善公司文化和员工满意度。通过人工智能服务人类的方式，或能让人类员工对人工智能抱有更加开放的心态。

六、比自动化更进一步

自动化是过去一个阶段商业策略中的重要一环，随着人工智能的迅速发展，企业需要再向前迈出一大步，驾驭全新的、动态的、自学习的、自管理的智能机器。

Accenture Research研究认为，人工智能能够激发的利润潜能将远远超过自动化在过去带来的影响。例如，从1993到2007年，经测算传统自动化为发达经济体贡献了0.9-1.3%的经济年增长率，相较而言，未来人工智能将可能在芬兰带来70%的增长率提升，在美国带来50%的增长率提升(Accenture and Frontier Economic analysis , 2016)。

七、将大数据带到云端

在过去几十年中，商业组织已经学会了利用大众的力量（人群数据/用户数据/行为数据等等）来开展创新。云计算的发展大大降低了企业进行大规模快速计算的成本，消解了企业构建内部IT架构的门槛。

企业下一个时期创新的开展，可以有效利用人工智能的计算力来整合处理大数据，来探索新的、甚至是颠覆性的商业机会。目前已经有诸如Google、Amazon等公司的基于云的机器学习平台已经开始运行。

八、人工智能收益的合理测算

基于传统生产要素的资本收益测算中，人力成本的绩效度量是一个关键因素。随着人工智能成为一个全新的生产要素，企业也将需要能够适应新形势的测算模型，来衡量人工智能产生的效益。

不同于传统资产会随时间发生贬值，人工智能资产基于其自学习技术的能力，会随着时间产生增值。这样的资产复合增长效应将使得更早进行人工智能投资的企业能够收获更大的人工智能收益。更进一步说，虽然目前人工智能仅有一部分应用场景的收益是清晰可见的，但人工智能自学习的天然属性，使得很多其他潜在收益会在我们目前还未能清晰预见的地方出现。