在数字化转型加速推进的当下，一个关键性问题正日益凸显。
金山办公副总裁吴庆云近日在接受采访时指出，高质量数据已成为制约人工智能技术在企业场景中有效落地的关键要素。
这一观点揭示了当前技术应用面临的核心挑战。
问题层面，随着人工智能技术在各行业的渗透，单纯依靠算法和算力的提升已难以满足实际应用要求。
特别是在企业办公和决策支持场景中，技术应用效果与预期存在明显差距。
吴庆云强调，要让技术真正参与企业决策，必须建立稳定、可信的数据和知识基础。
究其原因，业内人士分析指出三点关键因素：首先，企业数据普遍存在质量参差不齐、标准不统一的问题；其次，数据孤岛现象严重，跨部门、跨系统数据难以有效流通；再次，缺乏专业的数据治理体系，导致数据价值难以充分释放。
这些问题在大模型技术快速发展的背景下显得尤为突出。
这一趋势正在深刻影响行业发展方向。
金山办公助理总裁朱熠锷表示，行业正在经历从"以模型为中心"到"以数据为中心"的转变。
随着大模型技术逐渐趋同，数据质量将成为决定企业智能化水平的关键变量。
这种转变预计将在未来3-5年内持续深化。
面对挑战，企业需要采取系统性对策。
专家建议，首先要建立完善的数据治理体系，确保数据采集、存储、处理全流程的规范性；其次要打破数据壁垒，构建企业级数据中台；最后要注重数据人才培养，提升全员数据素养。
金山办公提出的"企业大脑"概念，正是基于这一思路的实践探索。
展望未来，随着《数据要素×三年行动计划》等政策的实施，数据要素市场建设将加速推进。
在这一过程中，能够率先解决数据质量问题的企业将获得显著竞争优势。
同时，数据安全与隐私保护也将成为不容忽视的重要议题。
智能化竞争的下半场，拼的不仅是模型“有多聪明”，更是数据“有多可靠”、知识“能否沉淀”。
把数据治理做扎实、把知识体系建起来，才能让智能化工具真正从“看起来很强”走向“用起来可信”，在提升效率的同时守住合规与安全底线，为企业高质量发展提供更稳固的数字支撑。