多くの企業が、データ基盤が断片化され、ガバナンスが欠如し、生成AIやエージェントAI（Agentic AI）に適していない状態のままAIを導入している。
EYは、AIを大規模かつ効果的に拡張するのに十分な「データ成熟度（data maturity）」を備えている組織はごくわずかであると指摘している。
第1の兆候は、データ戦略が機械学習、自動化、リアルタイムの意思決定を支援するのではなく、コンプライアンスや静的なレポート作成のためだけに機能していることである。多くの企業データシステムはサイロ化しており、メタデータが不足し、所有権（ownership）が曖昧で、追跡が困難である。
第2の兆候はデータ管理の弱さであり、企業はデータがどこにあるのか、あるいは何が含まれているのかを把握していない。Capital Oneは、AIに対応するためにクラウドデータエコシステム全体を近代化しなければならなかったと述べている。
第3の兆候はガバナンス（governance）が効果的に機能しておらず、各部門が手作業でデータを照合（reconcile）せざるを得ないことである。テネシー大学ノックスビル校は、AIは不整合を解決するのではなく、むしろそれを増幅させると警告している。
次の兆候は、従業員が独自にスプレッドシート、シャドーモデル、または個別の分析を作成するため、ビジネスインテリジェンス（BI）システムがユーザーを失っていることである。ISGによると、ユーザーが中央のBIを信頼しなくなったとき、企業データの「セマンティック層（semantic layer）」は崩壊し始めている。
もう一つの危険な兆候は、データが、AIが影響を与えるべきビジネス成果（business outcome）と明確に結びついていないことである。Concentrixは、ナレッジベースが古く、構造化されておらず、ガバナンスが緩い場合、AIはしばしば誤った結果を返すと指摘している。多くのデータシステムは、機械が自動処理するためではなく、人間が読むために書かれている。
また、この記事では、企業が標準化されておらず、価値が低く、技術的なショートカット（その場しのぎの対応）に満ちたデータを長年蓄積してきた「データ債務（data debt）」が大きな問題であると強調している。
ニューヨーク市立大学は、大半の企業にはデータの品質を真に修正するための財務的なインセンティブがないと考えている。
最後の兆候は、企業が基本的なレポート作成や分析の段階ですら依然として困難に直面していることである。シンプルなインサイトの作成に依然として複数のチームの調整や手作業が必要であるならば、AIは問題をさらに複雑にするだけである。
専門家は、AIは弱いデータ基盤を救うことはできず、逆に企業データインフラのあらゆるギャップを白日の下にさらすことになる、と指摘している。
記事は、AIは魅力的であるが、AIが実際の価値を生み出すためには、データガバナンス（data governance）こそが最も困難であり、最も重要な仕事であると結論づけている。
📌 結論： 現在のAIの失敗の大半は、モデルではなく、その背景にある企業データに起因している。データのサイロ化、脆弱なガバナンス、不統一なセマンティック、そして長年の「データ債務」といった問題が、生成AIやエージェントAIが大規模に実際の価値を生み出すことを阻んでいる。基本的なビジネスインテリジェンス（BI）でさえ信頼性に欠ける場合、AIはエラーを解決するのではなく、単に増幅させるだけである。これは市場の新たなトレンドを反映している。つまり、AI競争はチャットボットやモデルから、データインフラ、メタデータ、そして企業内部のガバナンスという課題へとシフトしているのである。
