关键要点：成果的提升并非来自“加大力度”，而是源于“充分准备”。在知识产权运营中，人工智能和分析依赖于干净、治理良好的数据。缺乏这一基础，先进工具只会带来噪音，而非洞察。/em>

在我们进一步讨论之前，先做一个快速说明：这篇文章实际上并不是真正关于培根的。

你不需要喜欢培根或食用它也能理解这个观点。这个比喻之所以有效，是因为它揭示了一个普遍的真理：良好的结果不会偶然发生。无论是做饭、建房，还是对知识产权法务职能进行现代化改造，最终成果都取决于在完成之前所做的准备。如果跳过准备、匆忙推进过程，或使用劣质材料，那么无论工具多么先进，结果都会令人失望。

“数据是新的培根”这一说法提醒我们，在知识产权法律运营中，干净且准备充分的数据是支撑人工智能、分析和自动化等一切美好愿景的基础要素。而目前，仍有太多组织希望在未投入基础建设的情况下直接获得成果。

法律与知识产权运营中的“噱头问题”

纵观法律科技领域，可以清晰地看到一个趋势：人工智能无处不在。无论是预测分析、生成式工具、实时仪表板，还是资产组合优化引擎，每一种新解决方案都承诺带来更快速的洞察、更优的决策以及竞争优势。对于知识产权部门而言，这种压力尤为明显。

隐含的假设很简单：我们已经拥有数据，现在只需用它做出令人印象深刻的成果。但问题往往正是在这里开始出现。

在法律运营中，关于数据的讨论往往几乎全部集中在数据能够驱动什么，而不是这些数据是否真正符合使用目的。数据质量通常只是被简单提及，往往被归结为一句熟悉的“输入垃圾，输出垃圾”，随后注意力又回到算法、仪表板和功能上。

正如《彭博法律》的一篇文章明确指出这种脱节现象，数据质量是“成功法律人工智能中被忽视的基础”，即使是复杂的算法，在以低质量数据为训练基础时也会持续表现不佳。然而，大多数组织仍然更关注工具本身，而非其底层数据。

干净数据并非一个技术性的附注

大多数知识产权负责人都会认同数据质量的重要性，但真正对“干净数据”意味着什么，以及其中不可避免的权衡，能够达成共识的人却很少。干净的数据并不是通过安装工具或将问题交给 IT 来实现的，而是源于对数据所有权、流程纪律、优先级和执行顺序所做出的有意识决策。

就在本月（以及去年九月），《福布斯技术委员会》的多位撰稿人指出，人工智能和分析项目之所以失败，并不是因为模型尚不成熟，而是由于组织缺乏明确的数据所有权、治理机制和责任划分。失败的根源往往在于上游的管理层决策——即优先级的选择，而非技术本身。

“已准备就绪”数据的错觉

许多知识产权部门认为，只要数据存在于某个地方，就可以直接使用。专利记录存储在案卷管理系统中，财务数据存储在各自系统中，并且可以在这些系统之间生成报告。这种情况会带来一种数据已经整合的假象，但实际上底层数据往往分散在多个未完全连接或对齐的系统中。

然而，可获得性并不等同于可靠性。一项被广泛引用的 Forrester 研究发现，知识型员工大约有 30% 的时间用于在分散的系统之间查找或核对信息。这是一种由数据碎片化带来的隐性生产力成本，而非工具不足所造成的问题。

为什么人工智能提高了重要性

人工智能并不能解决数据问题；它会暴露并且往往放大这些问题。这正是许多组织在推进人工智能项目时仍然存在的误解：如果数据是杂乱、不完整、不一致或治理不善的，技术会自动将其整理完善。但事实并非如此。先进工具依赖一致的定义、结构化的输入以及可靠的历史数据记录。一旦这些基础条件缺失，其输出结果可能从效果不佳到具有误导性不等。在某些情况下，人工智能并不是创造了新问题，而是让原有问题变得无法忽视。

这正是人工智能提高重要性的原因。那些在手动报告或碎片化流程中尚可容忍的薄弱数据实践，一旦组织试图实现洞察自动化或扩大决策规模，就会变得更加明显。原本隐藏的运营问题，最终会演变为影响可信度的问题。

由 Gartner 和《福布斯》总结的研究持续表明，大多数人工智能项目未能进入实际应用阶段，其主要原因是数据质量和数据准备不足，而非算法本身的复杂性。

有无培根的启示

无论你是否接受这个比喻，其核心道理都成立。跳过准备或使用低质量的“原料”，都无法获得可靠的结果。简单来说，在知识产权法律运营中，干净且被充分理解的数据，才是让分析、自动化和人工智能具备可信度的关键。

如果管理层在未投入必要基础工作的情况下却要求取得先进成果，那么问题不在于工具或团队，而在于其背后的期望和优先级设定。

了解更多关于 Epiq 法务部门与律师事务所运营的信息。


Jennifer Karr，Epiq Advisory 知识产权运营高级经理
Jennifer Karr 在法律运营和知识产权管理领域拥有超过 20 年经验，致力于将法律、技术与商业战略相结合，被公认为行业领导者。她通过担任思想领导角色推动行业标准的发展，包括担任 CLOC 知识产权专业能力委员会和 LegalOps.com 供应商管理委员会的联合主席。

Jennifer 主导了多项转型举措，加速了应用推广、提升了数据完整性，并增强了运营绩效。凭借对知识产权全生命周期管理的丰富经验，她对如何加强人员、流程与技术之间的协同具有全面而深入的理解。