从美伊冲突看AI时代致命风险：坏数据会被AI放大，企业数据治理刻不容缓
Computerworld近日刊发深度评论指出，近期美伊冲突中的悲剧为全球企业IT管理者敲响警钟：AI不会制造数据问题，但会把坏数据（Bad data）的后果极速放大，数据质量不再是可延后的运维问题，而是关乎安全、决策与生存的底线任务。
文章提到，企业IT部门数十年来一直被脏数据、过期数据困扰，这些数据可能来自流程疏漏、老旧数据库、并购遗留系统等。在没有AI的时代，坏数据顶多导致效率下降；但在AI全面普及的今天，系统会默认所有数据真实有效，并基于它自动执行决策，风险呈指数级上升。
评论以美军2月28日误炸伊朗女子学校事件为例指出，该建筑10年前已改为学校，但军方情报数据库未更新。AI驱动的瞄准系统依据过时数据锁定目标，最终造成至少165人死亡，多数为儿童。调查显示，AI本身并无过错，根源是数据错误+人工未核验，而在高速战争场景下，逐点核查几乎不可能完成。
这一极端案例直指企业AI落地的核心矛盾——AI的核心优势，正是处理人类无法应对的PB级海量数据；但它也会不加区分地使用错误数据、过期数据，直接输出危险结论。无论是医院检验结果分析、零售商品规划、工厂原料预测，一旦数据失真，AI都会把错误“跑得更快、传得更广、影响更大”。
为什么企业总在忽视数据治理？文章总结原因主要包括以下几个方面：
·IT部门优先级排满，数据清洗长期被延后
·并购遗留数据库长期未核验，原团队已流失
·数据错误随时间累积，问题越来越难处理
想用生成式AI做数据核验，但又担心AI出现“幻觉”，业内专家建议，企业不能等到数据完全准确再上AI，而应建立可执行的数据清理机制：
·设定强制规则：例如超过10年的潜在客户名单直接清除
·分类保留：科研、气象等高价值长期数据永久归档
·建立跨部门数据治理小组，定期批量清理可疑数据
五年前，坏数据最多拖慢流程；今天，自主AI代理会深度遍历系统，默认所有数据可信，并直接据此行动。文章警告称，想享受AI带来的效率革命，就必须抽调人力、暂停部分业务项目，优先完成数据治理。
评论最后强调，AI本身没有善恶，但它严格服从数据。在军事领域，坏数据带来伤亡；在商业领域，坏数据带来亏损、合规风险与信任崩塌。对于所有数字化企业而言，最紧迫的AI课题不是模型有多强，而是数据有多干净
