上个月我去一家企业交流。对方的汇报材料做得漂亮：大标题写着"AI驱动数据治理全面升级"，配图是治理大屏，PPT足足四十页。

我问了三个问题：元数据注释覆盖率多少？对方答，大概百分之二三十。质量检核规则配了多少条？对方答，几十条，还在建。AI在治理流程里跑了几个环节？对方顿了顿说，目前主要是给领导演示用。

你看，PPT里的"全面升级"，和车间里的真实水平，隔着一条鸿沟。

今天这篇文章，想撕开包装纸，看看AI数据治理的真实水平到底是什么——不吹不黑，就摆事实。因为只有认清真实水平，才知道下一步该往哪走。

01 先分清：AI数据治理是两件事

很多人聊"AI数据治理"聊得云里雾里，是因为没分清这其实是两件事。

第一件：为了AI的数据治理。大模型要进企业，得先喂数据。可大模型对数据的要求和传统报表完全是两回事——报表要的是结构化、口径一致的数字，大模型要的是文档、日志、工单这些非结构化数据，还要有语义、有上下文、有知识关联。你原来的那套治理体系，接得住吗？

第二件：用AI做数据治理。把大模型当成治理工具：让它读元数据、生成注释、识别口径冲突、自动做分类分级、写质量检核规则。这件事现在被吹得很神，真实效果后面细说。

两件事，两个真实水平。分开盘，才看得清。

02 为AI做治理：真实水平不及格

先说第一件。把几个行业共识的数据摆出来，你就知道现在是个什么水位。

毕马威的调研显示，66%的企业把"数据基础薄弱"列为企业落地大模型的首要挑战——不是模型不行，不是算力不够，是数据这口锅底下没柴。MIT 2025年的报告更狠：约95%的生成式AI试点项目没有产生可衡量的回报，而失败原因里排名靠前的，正是数据没准备好。

具体到治理水平，看几个关键指标的真实水位：元数据注释覆盖率，多数企业落在20%到50%之间——也就是说，一半以上的数据表，没人说得清里面装的什么、从哪来、能不能用。

更要命的是非结构化数据。企业数据总量的80%以上是非结构化的——文档、邮件、图纸、工单、会议纪要。而过去二十年，企业的数据治理基本只盯着那不到20%的结构化数据。大模型恰恰最需要的就是那80%。行业里有个判断越来越成为共识：非结构化数据治理正在从"可选题"变成"必作题"，但绝大多数企业，这道题还没开始做。

还有一层更隐蔽的短板：语义。大模型进企业后答非所问，十有八九不是模型笨，是它面前没有一张"企业语义地图"——客户在这套系统叫"甲方"，在另一套系统叫"合作方"，在财务凭证里叫"往来单位"，没人告诉模型这些是同一个东西。语义层缺失，是AI数据治理当前最深的坑，也是最难补的课。

03 用AI做治理：真有用，但别神化

再说第二件。用AI做数据治理，不是骗局，确实有几个环节的效率提升是实打实的。

元数据注释。过去靠人肉看表填说明，一张表半小时。现在大模型读表结构、采样数据、结合上下游血缘，自动生成业务含义描述，注释覆盖率从20%-50%提升到90%以上，这在已有实践的数仓项目里已经跑通了。

口径冲突检测。让AI比对多张表、多个指标定义，找出"同名不同义"和"同义不同名"，这在动辄几万张表的企业数仓里，人工基本做不动，AI做初筛、人做确认，效率差出一个数量级。

分类分级。安全合规要求每张表、每个字段都要定级。大模型读字段名和采样值，初判敏感等级，人工复核调整，一个过去要做半年的活，压缩到几周。

但是——注意这个但是——这三个环节有个共同点：AI干的都是"识别"和"初筛"的活，判断权和修正权还在人手里。凡是涉及业务口径之争、部门权责之争、历史遗留的数据恩怨，AI一概无能为力。数据治理最难的那部分，从来不是技术活，是组织活。这一点，AI在可见的将来替代不了。

还有个反直觉的事实：用AI做治理，本身需要先有治理基础。AI识别字段含义，前提是血缘链路已经打通；AI生成质量规则，前提是质量框架已经建立。治理基础差的企业，买再多的AI工具，也是巧妇难为无米之炊。这就是为什么同样的AI治理产品，在数据底子好的企业是加速器，在底子差的企业是摆设。

04 一张自评表：你的AI数据治理在第几级

把上面说的两件事综合起来，AI数据治理的真实水平可以分成五级。对照一下，你所在的企业在第几级——不看宣传材料，看实际状态。

行业真实分布是什么样？一句话：绝大多数企业卡在L2，少数领先者到L3，摸到L4的凤毛麟角，L5目前主要是厂商PPT里的概念。如果有人告诉你他已经是L5，你可以问一句：你们非结构化数据纳管率多少？语义层建到什么程度了？大概率就聊不下去了。

05 宣传与现实之间，隔着三个错觉

为什么"AI数据治理"听起来热火朝天，实际水平却普遍在L2？因为中间隔着三个普遍的错觉。

错觉一：把采购当建设。买了AI治理平台，就觉得自己有AI治理能力了。工具躺在机房里，流程没改、人员没动、考核没变，覆盖率一个百分点都没涨。采购完成的那一刻，建设才刚刚开始——这话反过来说才对：采购完成，不代表建设开始。

错觉二：把演示当能力。供应商的demo永远惊艳——那是在精心准备的数据集上跑的。回到自己企业的数据沼泽里，同样的功能跑出来一地鸡毛。判断真实能力只有一个标准：在你自己的数据上、跑你自己的场景、出你自己的结果。

错觉三：把工具当治理。治理是组织、制度、流程、平台、考核五位一体的系统工程，AI工具只是平台那一环的一小部分。指望一个工具解决治理问题，就像指望一辆好车解决通勤问题——路不通、没驾照、不加油，车再好也是摆设。

06 从L2到L4：真实可行的路径

认清水平的意义，不是泄气，是找准跑道。从L2往上走，路径其实相当清晰。

第一步，把结构化的存量治理做扎实。别被AI带乱节奏。元数据覆盖率、主数据质量、指标口径统一，这些老三样是AI时代同样要过的关卡，而且现在做，AI还能帮你加速——用AI做元数据注释、口径比对，就是最划算的第一站，投入小、见效快、团队还能练手。

第二步，按AI应用倒推非结构化治理。不要为治理而非结构化，要跟着AI场景走：先上智能客服，就先治客服工单和知识库；先上合同审查，就先治合同库。一个场景一个场景地建，每个场景都让治理投入在业务上兑现成看得见的回报。

第三步，围绕语义层做长期投入。业务对象、业务术语、指标口径的统一定义，是AI能"听懂人话"的地基。这件事没有捷径，靠的是数据团队和业务部门一场一场地对齐。但它也是护城河——语义层建起来的企业，每一个AI应用都比别人快一步。

07 写在最后

回到开头那家企业。上次交流后三个月，他们又约了一次。这次没看PPT，直接看平台：元数据注释覆盖率用AI初筛拉到了85%，质量规则从几十条加到四百多条，第一个非结构化场景选了设备检修工单——因为生产部门天天催。

负责人说了句实在话：以前我们把"AI数据治理"当成汇报的词，现在把它当成干活的序。

AI数据治理的真实水平是什么？是大部分企业刚从L2的泥地里拔出脚，是AI在治理的边角环节证明了自己、而治理的主体工程仍要一砖一瓦地砌，是宣传领先实践两年、实践领先报表两个季度。

认清这一点，不丢人。丢人的是用PPT的水平代替真实水平，还信了。