人工智能的正确利用需要首席信息官建立并培养一个数据知识型社会。
鉴于人工智能使用如此广泛，能否正确利用信息技术促进人工智能的发展与应用可能会产生深远影响。如果利用不当，人工智能可能会在无意中放大人类主观偏见、加剧两极分化以及产生其他破坏性后果。
Gartner研究副总裁Alan D.Duncan表示：人们对人工智能发展前景的热忱以及对于人工智能的大肆宣传，很容易导致人将重点放在技术与编码领域，即，人工智能的‘人工’方面。
如同模型与算法一样，数据也是人工智能发展与利用的基石之一。
Duncan补充说：然而，如果没有数据的话，在这个智能数据连接的世界中，任何可能被认为是‘智能’的方面都无法运作，或者可以说，都不复存在。对于大多数高管、业务与IT专业人士而言，尽管他们熟知商业模式中的人员、流程与技术能力，但他们都无法专业地使用与分析数据。
要想正确地使用人工智能，企业需要将数据认知素养（data literacy）作为人工智能开发者与消费者的新型核心能力。Gartner建议负责人工智能项目的首席信息官遵循以下三个步骤：首先，正确构建人工智能系统；然后，正确使用人工智能；最后一步，保持人工智能的正确性。
正确构建人工智能系统
要想正确构建人工智能系统，首先最关键的是要建立有关人工智能的基本词汇，即人们使用与分析数据的技术语言。至少，首席信息官应该确定出在描述人工智能系统或解决方案时使用的主要术语，包括正在开发的人工智能解决方案的目的或理由，以及其他关键术语，例如，从解决方案中使用与收集的数据类型。
Duncan解释道：与模型和算法一样，数据也是人工智能发展与利用的基石。人工智能吸收并生成数据。首席信息官以及数据与分析领导者将负责开发与解决人工智能的数据管理方面问题。在整个过程中，建立数据管理专业知识是获得成功的关键。
正确使用人工智能
无论项目范围或企业机构成熟度如何，在本地或整个系统中都可能存在信息语言障碍。解决这个障碍需要思维方式的转变以及对过程正确性的有意认知与干预。为了加强数据素养，首席信息官应该制定数据认知素养培养计划。
找到能自然而轻松的分析数据并达到流利程度的专业人士。流利的数据分析者应该善于描述情景化的使用案例与结果适用于这些案例的分析技术以及涉及的基础数据源、实体与关键属性。
找到熟练的数据转换人员。典型的数据转换人员通常是企业数据或信息架构师、数据科学家、信息管理员或相关项目经理。
确定存在沟通障碍妨碍数据与分析有效性的领域。尤其关注商业与信息技术的差距、数据分析差距以及熟练度差距。
积极倾听未采取明确行动的商业成果。在哪些商业领域应用改进的数据和分析能力？正在改进哪些运营决策？
确定出有专业数据转换需求的关键利益相关者。为了评估数据认知素养水平，要求关键利益相关者根据业务成果阐明数据作为战略资产的价值，包括增强业务、货币化以及风险缓解。
确定并维护单词和短语列表。参与数据和分析团队的工作，更好地表达这些短语。
保持人工智能正确性
即使是最成功的公司也会受到不道德行为的负面影响。需要进行广泛与明确的讨论，区分公司可能会遇到的道德伦理问题与困境类型与实际可以采取的道德伦理立场之间的区别。
后退一步，将数字伦理和数字关联主义作为改善数字业务，或者广义来说，数字化社会的准则。
主动寻找与使用人工智能数据有关的道德伦理案例研究，因为企业所面临的道德伦理问题往往都不是新出现的类型。其中，机遇包括竞争差异化和优越的价值主张；危险包括声誉风险、监管问题和财务损失等。
将人工智能算法与数据交换作为实现数字交互的推动力，并以此让利益相关者参与生态系统而非特定流程控制。鼓励每个人都能在人工智能环境中贡献他们的数据并成为互惠生态系统的积极参与者。
