报告：86%企业因数据问题中断AI项目

60 秒速览

事件要点

• Iron Mountain 报告指出，数据相关顾虑已对大多数企业的 AI 项目造成实质性干扰，86% 的受访企业表示经历过项目中断。
• 报告同时发现，70% 的企业缺乏对 AI 数据生命周期的追踪能力，从数据采集、训练到推理输出的链路难以审计。
• 这一缺口反映的是企业信息治理的整体不足，而非单一技术问题，涉及数据分类、留存策略与合规流程。
• 报告未披露具体样本量与行业分布，详细方法论以官方公告为准。

对开发者意味着什么

对开发者而言，这份报告传递的信号很明确：AI 项目的风险不只来自模型效果或算力成本，更来自数据治理。当企业无法说清训练数据从哪来、推理数据存多久、敏感信息是否被误用，项目就可能在合规审查或内部审计阶段被叫停。开发者在设计系统时，需要把数据血缘、访问日志和留存策略作为一等公民，而不是上线后再补。

另一方面，这也意味着 AI 应用的交付标准正在变化。过去拼的是模型接入速度和效果，现在还要拼可追溯性与可解释性。选择模型网关时，应关注其是否提供统一的调用日志、数据流向记录和权限管理能力，这些能力能显著降低企业客户在治理层面的顾虑。

如何跟进

1. 查阅 Iron Mountain 官方报告全文，确认调研范围、样本量和行业分布，避免以偏概全。
2. 对照自身项目梳理数据生命周期：训练数据来源、推理数据留存、删除机制是否可审计。
3. 在技术选型中优先评估具备日志与权限管理能力的模型接入方案，将治理成本前置。

常见问题

这份报告是否意味着企业应暂停 AI 项目？

不是。报告揭示的是治理缺口带来的风险，而非否定 AI 价值。企业更应做的是补齐数据追踪与合规流程，而非停止探索。

70% 无法追踪数据生命周期，具体指什么？

通常指企业无法完整掌握 AI 相关数据从采集、存储、使用到删除的全链路记录，导致审计和合规响应困难。具体定义以报告原文为准。

中小团队也会受此影响吗？

会。只要涉及用户数据或企业敏感信息，治理要求同样适用。中小团队可通过规范化日志和最小化数据留存来降低风险。

在 APIKIT 上调用模型

面对数据治理与多模型接入的双重需求，APIKIT 提供统一入口：一个 API Key 即可统一接入 Claude、GPT、Gemini、DeepSeek、Kimi、Qwen 等模型，便于集中管理调用记录与权限，减少多平台分散带来的治理盲区。

在 APIKIT 上调用模型

APIKIT 提供统一 AI 模型接入：一个 API Key 即可调用 Claude、GPT、Gemini、DeepSeek、Kimi、Qwen 等主流模型，兼容 OpenAI 协议，官方价 3.5 折起，注册即可开始。立即注册 · 查看模型生态