Dlaczego dane są piętą achillesową sztucznej inteligencji (i każdego innego biznesplanu)
Z dwóch nowych badań ostrzegają, że firmy muszą uporządkować swoje domy danych, zanim przystąpią do inicjatyw generatywnej sztucznej inteligencji.
Ekscytacja jest ogromna w związku ze wszystkimi cudami dzisiejszej technologii - sztuczną inteligencją, analityką w czasie rzeczywistym, rzeczywistością wirtualną i połączonymi przedsiębiorstwami, żeby wymienić tylko kilka. Jednak bez odpowiednich danych inicjatywy te są martwe. Dwie nowe ankiety ostrzegają, że firmy nadal muszą uporządkować swoje domy danych, w związku z czym nie są gotowe do kontynuowania inicjatyw takich jak generatywna sztuczna inteligencja (gen AI).
W całym środowisku biznesowym istnieje niespokojny taniec pomiędzy przetwarzaniem danych a rozwojem sztucznej inteligencji. Wyzwanie polega na tym, że dane nadal stanowią zbyt duże ryzyko, a nie atut w inicjatywach opartych na danych lub sztucznej inteligencji.
Rzucając się na sztuczną inteligencję i inne nowatorskie inicjatywy, „wiele organizacji nie rozumie, jak wyceniać inwestycje w technologię i bazy danych - nadal postrzega je jako wyłącznie centra kosztów” - powiedział Steve Mitchell, dyrektor finansowy w Redgate Software. „Są jednak firmy, które wykazały rozwój i ogromne możliwości tworzenia wartości, jakie dają dane - oraz zdolność szybkiego przemieszczania się w celu wykorzystania ich stale rosnącej objętości. Więcej organizacji potrzebuje i będzie szukać solidniejszych sposobów zmierzyć korzyści, jakie może przynieść szybsze i ulepszone podejmowanie decyzji w oparciu o dane — lepszą realizację komercyjną, mniej marnowanego wysiłku i zasobów, bardziej zadowolony zespół i wiele więcej”.
Chociaż sztuczna inteligencja w dalszym ciągu jest priorytetem dla inwestycji w IT, dynamika spada ze względu na dylematy związane z danymi, jak wynika z ankiety przeprowadzonej wśród 1000 menedżerów IT spośród Presidio. Co najmniej 86% zgłasza bariery związane z danymi, takie jak trudności w uzyskaniu znaczących spostrzeżeń i problemy z dostępem do danych w czasie rzeczywistym.
Z badania wynika, że połowa ankietowanych menedżerów uważa, że zaangażowała się w sztuczną inteligencję generacji, zanim była w pełni przygotowana. Wśród tych, którzy już wdrożyli sztuczną inteligencję gen. 84% doświadczyło problemów ze źródłami danych. „To sugeruje, że gotowość nie polega tylko na przyjęciu technologii - ale na posiadaniu odpowiednich danych i infrastruktury” - sugerują autorzy badania.
Istnieją również wątpliwości co do operacjonalizacji sztucznej inteligencji. Ponad dziewięciu na dziesięciu liderów IT (92%) zgłasza obawy dotyczące integracji sztucznej inteligencji z operacjami.
Jeden na pięciu respondentów (20%) ostrzega, że projekty AI kończą się niepowodzeniem ze względu na zbyt szybkie wprowadzanie w życie. Kolejne 17% powołuje się na problemy z jakością danych. Jest to szczególnie widoczne wśród kadry kierowniczej w służbie zdrowia, gdzie ponad jedna czwarta, bo 27%, jako główną przyczynę niepowodzeń wskazuje pochopne przyjęcie leku.
Droga do sukcesu opartego na sztucznej inteligencji i danych opiera się na zarządzaniu, co stanowi obecnie wyzwanie dla wielu firm, jak wynika z osobnej ankiety przeprowadzonej wśród 220 specjalistów z branży biznesowej i IT przeprowadzonej przez Quest Software i Enterprise Strategy Group. Z badania wynika, że dla wielu menedżerów najważniejsza jest obecnie dostępność danych AI i efektywność operacyjna.
33% wskazało ewolucję danych i zarządzania do stanu gotowości na sztuczną inteligencję, co plasuje ją na trzecim miejscu wśród wąskich gardeł mających wpływ na łańcuch wartości danych organizacji, zaraz za zrozumieniem jakości danych źródłowych (38%) i porównywalną liczbą 33% zgłaszających wyzwania znajdowanie, identyfikowanie i gromadzenie zasobów danych.
Respondenci zgłosili, że zarządzanie wykorzystaniem modeli i danych sztucznej inteligencji - w celu dostarczania mapowania danych, pochodzenia danych i polityk dotyczących danych - jest dla nich najtrudniejszym wyzwaniem w zakresie zarządzania. Zarządzanie sztuczną inteligencją znalazło się na szczycie listy, a zarządzanie metadanymi - kluczowy element gotowości danych AI - wzrosło o 21% rok do roku. Monitorowanie jakości danych, naprawa jakości danych, profilowanie danych i punktacja jakości, a także zasady i kontrola danych to najważniejsze wyzwania, z którymi borykają się obecnie organizacje.