在巴西工业界，生成式人工智能（GenAI）的普及正面临一个核心障碍：工业数据的组织与整合。尽管该技术近年来备受瞩目，但专家指出，许多企业尚未准备好在真实生产环境中释放其潜力。
罗克韦尔自动化（Rockwell Automation）发布的观点强调，真正的挑战不在于AI技术的实施，而在于支撑这些系统的数据质量、治理机制及整合能力。在复杂的工业场景中，若数据流程存在缺陷，极易导致模型出现“幻觉”，即生成不准确甚至误导性的信息。
据Gartner预测，到2030年，约75%的运营决策将依赖人工智能应用的支持。这一趋势迫使企业必须加速构建规范的数据基础，并建立完善的治理与安全体系。在巴西制造业中，数据不仅包含设备温度、生产速度等实时指标，还涵盖维护记录和服务工单等关键信息。只有经过系统化整合，这些数据才能成为AI赋能的基石，帮助企业预测故障、优化流程并辅助战略决策。
罗克韦尔自动化拉美区软件业务经理塞尔吉奥·坎帕纳（Sergio Campana）指出，AI在制造业的价值直接取决于信息的可靠性。“其真正价值源于构建在可靠、结构良好且拥有坚实治理基础之上的数据之上。”他进一步强调，企业应推动信息技术（IT）与运营技术（OT）的深度融合，这是加速AI落地并提升效率的关键路径。通过AI技术赋能现有工业系统，可有效降低延迟并简化操作复杂度。
此外，该公司警告称，直接套用通用AI模型在工业场景中存在局限，往往因缺乏行业特定数据而失效。因此，建议企业采用与自身运营需求高度匹配、且基于结构化数据的定制化解决方案。实施生成式AI需保持审慎，避免盲目跟风，应将其定位为辅助人类团队、减少重复劳动及提升运营效率的工具。
业界共识认为，巴西工业AI的突破将取决于企业构建数据体系及实现安全整合的能力。追求数字成熟度并辅以严格的治理实践，将是该行业负责任地采纳生成式AI的决定性因素。对于中国从业者而言，这一案例再次印证了“数据治理先行”的必要性，在追逐AI技术热潮时，夯实底层数据质量才是实现工业智能化的根本保障。
