دومينيك سارتوريو، نائب الرئيس ل تسويق المنتجات في Denodo – سلسلة المقابلات

دومينيك سارتوريو هو نائب الرئيس ل تسويق المنتجات في Denodo. لدى دومينيك أكثر من 20 عامًا من الخبرة في سوق إدارة البيانات والحوكمة، حيث شغل مناصب قيادية مختلفة في المنتجات والتسويق في Informatica و Protegrity و其他 موردين رائدين.

Denodo هي شركة رائدة عالميًا في إدارة البيانات، وتقدم وكلاء موثوقين بالذكاء الاصطناعي والتطبيقات. منصة Denodo، وهي حل إدارة البيانات المنطقية الحائزة على جوائز، تحول بيانات الشركات إلى رؤى موثوقة للذكاء الاصطناعي والتحليلات والمبادرات ذات الخدمة الذاتية. تستخدم المنظمات في جميع أنحاء العالم Denodo لتسليم بيانات جاهزة للذكاء الاصطناعي وجاهزة للأعمال في جزء من الوقت مقارنة بالمنازل التقليدية للبيانات، وتحقيق ما يصل إلى 4 أضعاف سرعة الوصول إلى Informationen، و 345٪ عائد الاستثمار، وأداء أفضل 10 مرات. بناءً على المعلومات من 850 قائدًا شركات، يكشف تقرير فجوة الثقة بالذكاء الاصطناعي من Denodo عن سبب صعوبة العديد من مشاريع الذكاء الاصطناعي في التحرك ما وراء مراحل الاختبار، وما يجب على المنظمات القيام به لبناء ذكاء اصطناعي موثوق و جاهز للانتاج.

لقد شغلت مناصب قيادية عليا في شركات مثل Informatica و Protegrity و Infoworks و Denodo، جميعها تركز على طبقات مختلفة من بنية تحتية البيانات للشركات. كيف تغيرت وجهة نظرك حول “البيانات الموثوقة” مع تحول الذكاء الاصطناعي من التحليل إلى الأنظمة المستقلة والوكيلية؟

في وقت سابق من مسيرتي المهنية، كانت البيانات الموثوقة في الغالب تتعلق بالدقة والنشأة والأمان، واعطاء المحللين الثقة في لوحات التحكم والتقريرات. مع الذكاء الاصطناعي الوكيل، تكون المخاطر أعلى لأن الأنظمة لا تفسر فقط البيانات، بل قد تتخذ إجراءات مستقلًا، أو ت触ف سير عمل أعمال، أو تتخذ قرارات ذات تأثير حقيقي. هذا يعني أن البيانات الموثوقة يجب أن تشمل الآن السياق التشغيلي الحية، والمعنى التجاري المتسق، والحدود الآمنة المطبقة حتى يمكن للمرء أن يكون واثقًا من أن الوكلاء يتصرفون بشكل صحيح وأمن.

تقرير فجوة الثقة بالذكاء الاصطناعي من Denodo وجد أن 66٪ من المنظمات تقول إن بيانات الذكاء الاصطناعي يجب أن تكون في الوقت الفعلي أو قريبة من الوقت الفعلي لتكون موثوقة. لماذا تعتقد أن العديد من الشركات لا تزال تعاني من تقديم بيانات تشغيلية حية لأنظمة الذكاء الاصطناعي؟

معظم الشركات لم يتم تصميمها للوكلاء الذكاء الاصطناعي الذين يحتاجون إلى وعي حية بالوضع عبر العديد من الأنظمة. بياناتهم موزعة عبر التطبيقات والسحب والمنازل والبحيرات والأنظمة التقليدية والمنصات التشغيلية الأخرى. قد يقومون بنسخ هذه البيانات إلى مستودع مركزي أو بحيرة بيانات للتحليلات والبي آي، ولكن هذا لا يصلح لأنظمة الذكاء الاصطناعي التي تحتاج إلى وعي حية بالوضع. بمجرد نسخ البيانات، لم تعد حية. من الممكن بثها في الوقت الفعلي، ولكن هذا يصبح مكلفًا جدًا بسرعة. هذا هو المكان الذي يصبح فيه نهج إدارة البيانات المنطقية من Denodo مهمًا، لأنه يوفر للنظم الذكاء الاصطناعي وصولًا محكومًا بالبيانات الحية دون الحاجة إلى أن تتطلب من الشركات نسخًا و إعادة منصة كل شيء باستمرار.

من بين النتائج الأكثر إثارة للاهتمام في التقرير هو أن مبادرات الذكاء الاصطناعي للشركات تسحب الآن من مئات مصادر البيانات، مع بعض المنظمات التي تصل إلى أكثر من 1000 مصدر. كيف يتغير ذلك المستوى من التجزئة في كيفية تفكير الشركات في هندسة الذكاء الاصطناعي؟

على ذلك المستوى من التجزئة، لا يمكن أن تعتمد الهندسة على توحيد كل مصدر فيزيائيًا قبل أن يتمكن الذكاء الاصطناعي من استخدامه. تحتاج الشركات إلى طبقة تجريد يمكنها اكتشاف وتكامل وتحكم وتسليم البيانات عبر الواقع الموزع الذي لديهم بالفعل. في رأيي، يجب أن تصبح هندسة البيانات أكثر منطقية، ومدفوعة بالبيانات الوصفية، ومدفوعة بالمعاني، حتى يتمكن الوكلاء من العثور على البيانات الصحيحة في السياق دون ربطها بشكل متينا بالنظم الأساسية.

يجادل التقرير بأن العديد من فشل الذكاء الاصطناعي في الواقع “فشل في هندسة البيانات” وليس فشلًا في النماذج. هل تعتقد أن الصناعة قد قامت بإنفاق وقت طويل جدًا في التمسك بالنماذج بينما تقلل من أهمية بنية البيانات؟

نعم. النماذج مهمة، بالطبع، ولكن العديد من مشاريع الذكاء الاصطناعي الفاشلة لا تفشل لأن النموذج غير قادر؛ بل تفشل لأن النموذج يعمل مع بيانات غير كاملة أو قديمة أو غير محكومة أو سيئة الإدارة. كان النموذج رائعًا في الاختبار، باستخدام مجموعة بيانات محددة ومنظمة، ولكن بمجرد نشره في “العالم الحقيقي”، مع فوضى التوزيع، يفشل الذكاء الاصطناعي في إنتاج نتائج موثوقة. لقد كانت تجربتي أن الشركات تحصل على نتائج الذكاء الاصطناعي أفضل عندما تعامل طبقة البيانات كجزء أول من الدرجة الأولى من هندسة الذكاء الاصطناعي، وليس كفكرة ثانوية.

تتحدث Denodo بشكل متكرر عن التماسك الدلالي وأهمية طبقة دلاليّة عالمية. مع بدء وكلاء الذكاء الاصطناعي في اتخاذ قرارات مستقلّة، كيف يصبح التماسك الدلالي حرجًا لمنع الإجراءات الخاطئة أو المنطق التجاري المتخيل؟

يصبح التماسك الدلالي حرجًا تمامًا. إذا عرف نظام ما “العميل” أو “الإيرادات” أو “المخاطر” أو “التخلي” بشكل مختلف عن نظام آخر، قد ينتج وكيل الذكاء الاصطناعي جوابًا تقنيًا معقولًا ولكنه خاطئ في السياق التجاري المعين. تساعد طبقة الدلاليّة العالمية على ضمان أن الوكلاء يعملون مع معنى تجاري متسق، وليس فقط الوصول إلى البيانات الخام.

ركزت جلسة AI & Big Data Expo الخاصة بك على الانتقال من تجارب الذكاء الاصطناعي إلى الإنتاج. من خلال خبرتك، ما هي الأسباب الأكثر أهمية التي تمنع الشركات من الخروج من “مرحلة الاختبار” وعدم khả năng توسيع الذكاء الاصطناعي إلى أنظمة تشغيلية حقيقية؟

تجارب الذكاء الاصطناعي تعمل غالبًا لأنها ضيقة ومدروسة يدويا ومعزولة عن تعقيد الشركة ككل. يجب أن تتعامل أنظمة الإنتاج مع بيانات حية من العديد من المصادر والأمان والحوكمة والأداء وقابلية التدقيق والقواعد التجارية المتغيرة والتكامل مع سير العمل الحقيقي. تتوقف العديد من المنظمات لأنها تبني عرضًا مثيرًا للإعجاب، ولكن ليس الأساس المحكوم للبيانات اللازم لتشغيل الذكاء الاصطناعي بشكل موثوق على نطاق واسع.

يذكر التقرير تنبؤات بأن نسبة كبيرة من مشاريع الذكاء الاصطناعي الوكيلية قد تُلغى خلال السنوات القليلة القادمة بسبب التكاليف المتزايدة أو القيمة غير الواضحة أو ضبط المخاطر غير الكافي. هل تعتقد أن الصناعة تدخل مرحلة حيث ستصبح الشركات أكثر انتقائية حول مشاريع الذكاء الاصطناعي التي تنجو؟

نعم، وأعتقد أن هذا صحي. كانت موجة الاختبار الأولى للذكاء الاصطناعي تتعلق بالامكانيات؛ سوف تكون الموجة التالية تتعلق بالقيمة التشغيلية وضبط التكاليف والثقة. المشاريع التي سوف تنجو هي تلك المرتبطة بنتائج أعمال قابلة للقياس ومدعومة بالبيانات الصحيحة والحوكمة والهندسة المعمارية.

تظهر الأمان والحوكمة في جميع أنحاء التقرير كمواضيع متكررة، خاصة حول “الحدود” للذكاء الاصطناعي الوكيل. كيف يجب على المنظمات موازنة القدرات المستقلة للذكاء الاصطناعي مع الحاجة إلى سيطرة وصول صارمة وقابلية التدقيق؟

المفتاح هو عدم معاملة الحوكمة كشيء يتم تثبيته بعد بناء نظام الذكاء الاصطناعي. يجب أن تكون سيطرة الوصول وتنفيذ السياسات والنشأة وقابلية التدقيق متأصلة في طبقة الوصول إلى البيانات نفسها، بحيث يرى وكلاء الذكاء الاصطناعي و يستخدمون فقط البيانات التي يُسمح لهم بالوصول إليها. مع Denodo، يمكن تطبيق سياسات الحوكمة نفسها بشكل متسق عبر المصادر الموزعة، وهو أمر ضروري عندما يعمل الذكاء الاصطناعي عبر بيئات سحابية هجينة ومتعددة.

تضع Denodo إدارة البيانات المنطقية كوسيلة لتوحيد الوصول عبر بيئات السحاب الهجينة ومتعددة السحاب بدون الحاجة إلى نقل البيانات باستمرار. مع زيادة اعتماد الشركات لархيتكتур الذكاء الاصطناعي القائمة على الاسترجاع، هل ترى “العمارة من دون نسخ” أو التصميمات المنطقية الأولى كاتجاه طويل الأمد للذكاء الاصطناعي للشركات؟

نعم. يعتمد الذكاء الاصطناعي القائم على الاسترجاع على الحصول على البيانات الصحيحة في الوقت الصحيح، وليس بالضرورة نقل كل مجموعة بيانات إلى مستودع واحد مسبقًا. نهج منطقي أولي، من دون نسخ، هو أكثر انسجامًا مع كيفية عمل الشركات في الواقع: تظل البيانات موزعة، ولكن يمكن للذكاء الاصطناعي الوصول إليها من خلال طبقة حكومية و دلاليّة و حية. هذا هو الاتجاه الذي أعتقد أن الذكاء الاصطناعي للشركات يجب أن يذهب إليه.

فيما يخص المستقبل، خلال السنوات الثلاث إلى خمس القادمة، ما هي العوامل التي سوف تفرق بين المنظمات التي تنجح في تشغيل الذكاء الاصطناعي الموثوق و تلك التي تبقى عالقة في مرحلة الاختبار؟

الفائزون سوف يكونون المنظمات التي تعترف أن الذكاء الاصطناعي ليس فقط استراتيجية نموذجية، بل استراتيجية بيانات و استراتيجية حوكمة و استراتيجية نموذج تشغيل. سوف تستثمر في الوصول إلى البيانات الحية، والاتساق الدلالي، والحوكمة القابلة لإعادة الاستخدام، والهندسة المعمارية التي يمكنها تغطية toàn الشركة. تلك التي تواصل بناء تجارب معزولة على بيانات متجزئة أو قديمة سوف ت투쟁 لتحريكها ما وراء الاختبار.

شكرًا على المقابلة الرائعة، يرجى زيارة Denodo أو تحميل تقرير فجوة الثقة بالذكاء الاصطناعي من Denodo لتعلم المزيد.