Google 指出，當前的人工智慧技術仰賴背後數據運用，並且建立在制定以人工智慧為應先的資料策略、驅動資料洞察、運用代理人工智慧、確保資料安全與治理，以及降低資料成本等五大步驟基礎，藉此推動人工智慧快速成長。
Google Cloud 資料分析專家黃介榮指出，人工智慧的成功仰賴於背後數據，若企業內部缺乏與人工智慧應用相匹配的高品質數據，或是未能找到有效的應用場景，將難以人工智慧發揮真正價值。
從 Google Cloud 與 National Research Group 於 2024 年的調查，顯示 74% 的企業在導入生成式人工智慧的第一年內已獲得投資回報，其中 86% 比例更有至少 6% 的營收增長，而 70% 的企業在資料治理、資料整合至人工智慧模型，以及再訓練資料量不足方面遇到困難。
Google 指出，當前的人工智慧技術仰賴背後數據運用，並且建立在制定以人工智慧為應先的資料策略、驅動資料洞察、運用代理人工智慧、確保資料安全與治理，以及降低資料成本等五大步驟基礎，藉此推動人工智慧快速成長。
Google Cloud 資料分析專家黃介榮指出，人工智慧的成功仰賴於背後數據，若企業內部缺乏與人工智慧應用相匹配的高品質數據，或是未能找到有效的應用場景，將難以人工智慧發揮真正價值。
從 Google Cloud 與 National Research Group 於 2024 年的調查，顯示 74% 的企業在導入生成式人工智慧的第一年內已獲得投資回報，其中 86% 比例更有至少 6% 的營收增長，而 70% 的企業在資料治理、資料整合至人工智慧模型，以及再訓練資料量不足方面遇到困難。
另外，企業內部約 80% 的資料是以非結構化形式存在，例如用戶語音對話、客服錄音、員工手冊和產品圖片，這些資料的潛力尚未被充分挖掘，因此將這些非結構化資料與結構化數據整合，才能構建完整的數據版圖，進而有效推動人工智慧發展策略。
Google Cloud 指出，企業應積極轉型其資料策略，構建現代化資料平台，藉此充分支持人工智慧與生成式人工智慧技術發展。
為了在競爭激烈的環境中保持優勢，企業必須制定人工智慧優先的資料策略，將資料從單純的儲存和管理轉化為實際的商業價值，黃介榮更說明 Google Cloud 透過「五大步驟」協助企業建立更完善的資料基礎，藉此推動人工智慧應用成長。
其中，在制定人工智慧優先的資料策略中，必須確保資料的動態延展性，藉此適應持續演進的人工智慧應用需求，並且能在企業不同部門間活用，進而挖掘更有用的數據價值，同時也能透過統一資料平台、避免資料孤島現象，以及藉由資料串流實現快速分析與反應，另外也必須能活用非結構資料。
同時，透過人工智慧協同處理、即時資料檢索與強化生成也有助於資料存取應用效率，並且能配合人工智慧代理服務提高生產力。
在人工智慧技術發展應用趨勢之下，確保資料安全與數據治理也變得更加重要，其中除了維持資料品質，更必須讓資料符合當地法規，並且維持使用安全，進而打造更負責任、更具信任的人工智慧技術。
配合提升效率、降低資料成本，Google 預期將能讓人工智慧應用發展規模化，同時也強調 Google Cloud 雲端服務平台提供可擴充性與使用彈性、一站式整合與開放性，以及人工智慧驅動平台與內建機器學習等特性，透過全託管、無伺服器架構形式更方便使用。