企業 AI 中存在一個幾乎無人談論的問題——而它即將重塑整個市場。
過去幾年,AI 進步一直基於一個核心假設:更多資料帶來更好的結果。但到了 2026 年,這個假設開始崩潰。不是因為資料不夠,而是因為可用於訓練的高品質、真實世界訊號已經不足。
我們正在進入我所稱的AI 資料崩潰:一個新資料的邊際價值正在下降、合成資料充斥整個生態系統、企業在不知不覺中用越來越多遞迴式 AI 生成的輸入來訓練模型的階段。
在Ramsey Theory Group,我們在所服務的各個產業中看到了這種現象的早期跡象——從醫療保健到物流再到汽車零售。其影響遠比大多數企業意識到的更為嚴重。
合成資料回饋迴路的興起
生成式 AI 的爆炸式增長創造了一個悖論:AI 系統現在產生的內容比人類還多。
這些內容——文字、圖像、程式碼、決策——正越來越多地被回饋到訓練管線中。隨著時間推移,這創造了合成回饋迴路,模型不是從現實中學習,而是從先前的模型輸出中學習。
這導致了一個微妙但危險的效應:模型漂移至不反映真實世界條件的人工模式。
在企業環境中,這表現為:
- 在測試中表現良好但在生產中失敗的預測模型
- 過度擬合於「平均」合成模式的客戶行為模型
- 逐漸失去邊緣案例敏感度的決策系統
這不是理論風險——它已經在發生。
為什麼更多資料不再是答案
從歷史上看,當模型表現不佳時,解決方案很簡單:增加更多資料。
這個策略已經不再有效。
企業現在面臨三個新的限制:
1) 訊號稀釋 – 真實世界相關性下降的大規模資料集
2) 資料污染 – AI 生成輸入的比例未知
3) 來源不確定性 – 無法驗證資料的來源
這意味著僅擴大資料量可能會降低模型效能。
相反,競爭優勢正在轉向資料整理、驗證和血緣追蹤。
能夠識別和保護高完整性資料管線的組織將大幅超越那些依賴暴力規模的組織。
「資料真實性」作為競爭護城河的出現
目前正在發生的最重要且最被低估的轉變之一,是資料真實性作為策略資產的興起。
很快,企業將不僅在模型或基礎設施上競爭——它們將在證明其資料具有以下特性的能力上競爭:
- 基於真實世界
- 不含合成污染
- 持續驗證
這在以下領域尤其關鍵:
- 醫療保健,臨床決策取決於真實患者結果
- 物流,預測系統必須反映真實世界的變異性
- 汽車零售,客戶意圖訊號驅動收入
在 Ramsey Theory Group,我們已經看到客戶將資料血緣追蹤和驗證層作為其 AI 策略的核心組成部分——而不是事後考慮。
代理型 AI 將加速問題
代理型 AI 系統的興起——在工作流程中執行、決策和生成輸出的自主系統——將大幅加速資料崩潰的動態。
AI 代理採取的每個行動都會創造新資料。
這些資料的每一部分都可以重新進入系統。
沒有保障措施,這會創造閉環生態系統,AI 越來越多地訓練自己——脫離真實世界的基本事實。
這是許多企業將犯的一個關鍵錯誤:在沒有建立嚴格資料邊界的情況下部署代理型系統。
下一個前沿:訊號工程
為了解決這個問題,企業需要從資料工程轉向我所稱的訊號工程。
這涉及:
- 主動篩選高價值的真實世界訊號
- 設計優先考慮資料完整性而非數量的管線
- 持續審核資料集的合成污染
- 創建與真實世界結果相關的回饋機制
在實務上,這意味著:
- 在醫療保健領域,將臨床結果的權重高於生成的摘要
- 在物流領域,優先考慮真實運輸變異性而非模擬場景
- 在建築和現場服務領域,將模型建立在實際營運資料上
這是 AI 系統建構方式的根本轉變——它將區分領導者和落後者。
市場修正即將到來
AI 市場正朝著修正方向發展:不是投資方面,而是期望方面。
那些基於無限高品質資料假設制定策略的公司將面臨困境。模型將趨於平穩。效能提升將放緩。ROI 將變得更難證明合理性。
同時,將出現一類新的企業領導者——那些理解AI 的未來不在於更多資料,而在於更好的訊號的人。
無人計價的隱形風險
目前,大多數企業 AI 路線圖都沒有考慮到資料崩潰。同時,企業正在做出許多假設,包括:
- 模型將隨規模持續改進
- 合成資料是安全的補充
- 更多自動化將始終帶來更好的結果
所有這些假設都即將受到考驗。AI 的下一個時代將不會由誰擁有最多資料來定義。它將由誰仍然能夠信任資料來定義。而這可能成為企業技術中最有價值的資產。
Dan Herbatschek 是一位數學家和科技企業家,是 Ramsey Theory Group 的執行長兼創始人——這是一家總部位於紐約的私營科技控股和創新公司,在洛杉磯、紐澤西和法國巴黎設有營運據點。該公司為汽車零售、醫療保健、創意和現場服務開發企業技術系統。在LinkedIn 上與他聯繫。
