SAS公司在AI时代专注于提供可信的分析和决策软件，强调数据治理的重要性。新推出的Viya MCP服务器允许外部AI代理调用其模型，同时确保数据治理。SAS还推出了AI治理产品，认为治理是推动增长的动力。通过整合生成式AI，SAS希望在未来的AI环境中保持竞争优势。

本文讨论了AI和大型语言模型（LLM）在处理实时结构化生产数据时的挑战。嘉宾Harsha Chintalapani指出，模式变化、不一致的定义和薄弱的治理会影响分析和机器学习。建议公司通过元数据管理和可观察性提升数据的AI准备度。

AI 正在改变供应商锁定问题，不再仅限于合同和技术，还涉及运营和组织层面。IT 领导者需关注 AI 赋能的统一通信平台的锁定风险，包括数据迁移和工作流程集成的复杂性。选择供应商时应优先考虑互操作性，避免过于专有的 AI 层，并制定有效的数据治理和退出计划，以降低 AI 锁定风险。

Lakeflow Designer是Databricks推出的无代码数据准备工具，旨在降低数据处理的技术门槛。用户可以通过可视化界面和自然语言进行数据准备，并生成生产级Python代码。该工具集成AI功能，支持实时数据处理和迭代，促进业务团队的自主数据分析，提升数据治理和一致性。无用户许可费用的模式加速了其在各行业的采用。

Databricks的Ari Kaplan强调现代数据分析的重要性，企业需通过对话式分析将数据转化为行动。他指出，Genie与Lakebase的结合使非技术用户能够直接与数据互动，快速决策。企业应重视数据治理和一致性，以建立信任，避免因数据不一致导致的决策失误。适应现代数据架构是企业成功的关键。

本文讨论了构建和部署生产级AI应用的最佳实践，包括明确应用目标、选择合适工具、关注核心功能与用户体验。安全性和数据治理至关重要，需确保数据连接安全和权限控制到位。同时，持续监测和评估模型性能，及时调整以应对数据变化。快速迭代和用户反馈是成功的关键。

Databricks Excel插件使商业用户能够直接在Excel中导入和分析湖仓数据，无需使用SQL或复杂配置。这一插件简化了数据访问流程，提高了决策效率，并确保数据治理，支持业务团队独立工作，推动湖仓分析的民主化。

CBA Live 2026 会议强调，银行在推动 AI 创新时需建立强大的数据和治理基础。成功的银行依赖于清晰、实时的数据，而非仅仅依靠炫目的 AI 技术。与会者指出，数据质量和治理的挑战是实现 AI 应用的关键，许多银行在数据整合和实时访问方面存在问题。有效的 AI 模型需要持续监控和调整，以确保合规性和可解释性。最终，银行的成功在于其数据平台的建设，而非单一的 AI 解决方案。

Databricks推出了针对Google Sheets的连接器，使用户能够直接在Sheets中访问实时的Databricks数据，从而提升决策效率并减少数据孤岛。Nubank利用该连接器增强数据文化，支持非技术用户进行数据探索，推动数据驱动决策。

人工智能在金融服务领域的应用正在迅速普及，预计到2026年几乎所有主要金融机构都会部署AI。然而，许多公司在实际应用中面临执行瓶颈，无法实现预期收益。成功的公司将AI视为业务核心，重视数据治理和团队协作，以加快项目落地。未来行业竞争将取决于谁能有效地将AI融入日常运营。

AI并未取代DevOps，而是增强了其作用。70%的IT领导者认为良好的DevOps实践有助于成功采用AI。然而，AI的普及也加大了数据治理和安全性的问题。组织需建立透明、可审计的治理框架，以确保AI输出的可信度，并持续进行数据治理，确保AI不接触敏感数据。企业必须强化基础设施，以应对未来的挑战。

Databricks的Iceberg v3进入公测，支持增量数据处理和半结构化数据分析，简化数据管道。新特性包括行血统、删除向量和VARIANT类型，提升性能，支持多引擎互操作性，优化数据治理，降低维护成本。

Zalando通过Databricks平台构建统一的语义层，解决了交易数据与分析数据之间的治理挑战。采用身份基础治理，确保数据访问安全且易于管理。同时，利用Metric Views标准化指标定义，提升数据一致性，支持AI驱动的分析工具Genie，简化用户查询过程，增强数据文化。

云计算与现代办公已成为企业IT转型的基础。作为微软合作伙伴，SOS Group Limited通过深度合作提供定制化技术服务，帮助企业应对数据治理与安全挑战，推动AI能力落地，提升运营效率。

Fizz.hu是一家快速发展的电商平台，采用Databricks SQL迁移至湖仓架构，支持SQL和Python工作负载。迁移后，报告生成时间从几小时缩短至90分钟，提升了性能和操作简化。平台还支持机器学习和AI，促进数据治理和自助分析，提升团队效率。

Orange Business推出Live Intelligence Studio，帮助企业进入Agentic AI时代。该平台支持自主AI代理的安全设计与管理，满足复杂工作流程需求，并为开发者提供监控和管理工具，确保合规性与数据治理，推动企业AI应用的安全扩展。

首席AI架构师培养计划（AICA）由百度与深度学习技术及应用国家工程研究中心联合发起，旨在培养具备业务分析、模型算法和应用落地能力的高端AI人才。自2019年启动以来，AICA已培养569名AI架构师，并推动各行业的数字化转型。第10期将推出“数智融合”定制化培养体系，强调数据治理与技术研发的全链路能力，助力学员实现AI项目落地。

语义层在现代数据架构中提升了数据一致性和可访问性，增强了数据治理与合规性，促进了数据素养。它将技术架构转化为业务语言，使非技术用户能够自助分析，并通过优化查询性能支持AI应用，确保一致性和可审计性。成功实施需遵循五项原则，逐步定义关键指标，促进组织内的协作与学习。

许多公司在观察性工具上的开支不断增加，导致成本上升。问题在于数据生成的质量和用途，而不仅仅是供应商定价。有效的观察性治理需要明确数据所有权和目的，实施自动化审查和评分机制，以提高数据质量，减少不必要的开支。