Proč jsou data nepoznaným hrdinou AI strategie

AI zlatá horečka – Od pilotních projektů a experimentů k podnikovému měřítku a strategii

Mooreův zákon platí dokonale, pokud jde o AI. AI je velmi žádaná a každá společnost ji přijímá. Inovace také pomáhají pohánět tuto poptávku s novými AI modely, AI agenty a novými technologiemi, které přicházejí na scénu. To vytváří zásadní změnu pro společnosti – scéna pro pilotní projekty a experimenty a ukázky AI, zejména Generativní AI, postupně mizí. Společnosti si uvědomují, že AI musí být začleněna jako součást podnikové strategie pro škálování a vytváření skutečné obchodní diferenciace. AI je téma v většině ředitelství, což vede k strategické inovaci a rozpočtům.

Data: První dominový kámen v AI strategii

Klíčovým faktorem v jakékoli AI strategii by měla být Data. Data jsou kritická pro AI modely, aby byly kontextuální, inteligentní a specifické pro doménu a podnik. AI modely předpovídají výsledky na základě toho, jak je model naladěn a jak jsou mu předloženy vstupy. Oba tyto faktory závisí na kvalitě, rozmanitosti, novosti a struktuře dat.

Podle nedávné IDC předpovědi se očekává, že AI zvýší globální ekonomiku o téměř 20 bilionů dolarů do roku 2030, a to nejen díky modelům, ale také díky masivním investicím do podkladových dat a infrastruktury, které je pohánějí.

Školení dat s úzkými podmnožinami vede k předpojatým modelům, zastaralá data vedou k irelevantním výsledkům a špatná data vedou k špatným AI výsledkům. Proto jsou Data prvním dominovým kamenem v datové strategii podniku. I s nejlepšími lidmi a špičkovými technologiemi, pokud padne datový dominový kámen, celá AI strategie se rychle zhroutí.

Jak uvádí Gartnerova zpráva o top trendech v datech a analytice pro rok 2024, společnosti, které škálovají s AI, závisí na datech, a lídři, kteří uspějí, budou ti, kteří získají důvěru ve svá data a budou s nimi strategicky vést.

Klíčová strategická rozhodnutí o datech pro vaši AI strategii

Zde jsou 5 klíčových faktorů, které musí vaše společnost zvážit pro přípravu dat pro vaši AI strategii:

1. Opětovně využijte svou datovou krajinu – Několik společností znovu nevyužívá datové management, datové governance a datové úložiště a analytiku pro AI. Mnoho dat, která slouží kritickému reportování a analytice, může být také kritické pro AI. Je proto důležité začít s datovými aktivy, které již jsou v podniku přítomny. Samozřejmě, že je nutné je doplnit o správná datová kvalitativní opatření.

Klíčová otázka k zodpovězení – Jaká data máme v naší společnosti a v jakém stavu jsou?

2. Metadata a datová genealogie – Pro data, která jsou na místě, metadata, tj. data o datech, mohou být stejně kritická, ne-li více, pro AI. Například obchodní termíny připojené k datům mohou pomoci identifikovat relevantní kontext pro RAG model, například. Když uživatel požádá o stav nároku v pojišťovací společnosti, všechna data atributy označené jako stav nároku mohou být použita jako kontext pro AI model, aby odpověděl. Datová genealogie také pomáhá pochopit tok dat, což umožňuje AI modelům identifikovat důvěryhodné zdroje dat.

Na základě nedávného ISASA blogu je AI Governance kritická a vyžaduje správná metadata a datovou genealogii pro škálování.

Klíčová otázka k zodpovězení – Jsou naše data označena správně obchodními a technickými metadaty? Shromažďujeme datovou genealogii, abychom pochopili, jak data proudí od začátku do konce?

3. Datová governance a compliance – Zajistěte, aby vaše data byla dobře spravována a řízena, a aby byly dodrženy všechny předpisy a zákony o ochraně osobních údajů. AI strategie by pak měla zdědit a rozšířit tato governance a předpisy, místo aby začínala od začátku. Například, pokud zákazník chce, aby jeho data byla anonymizována podle GDPR předpisů, AI model by měl být nejen školen, ale také provozován na anonymizovaných datech.

Klíčová otázka k zodpovězení – Máme program datové governance a compliance na místě? Pokud ne, jaké jsou klíčové aspekty, které musím mít na místě pro svou AI strategii?

4. Ošetřujte Master Data jako svého AI Quarterbacka – Kritická Master Data, která obsahuje data o klíčových entitách ve vaší společnosti, by měla být použita jako základ pro vaši AI strategii. Například, pokud existuje 360stupňový pohled na zákazníka, AI strategie na jakékoli zákaznické doméně, jako je předpověď odchodu zákazníka, by měla využít tuto Master Data, aby se zabránilo jakékoli chybějící nebo neúplné datové sadě. Samozřejmě, že lze kombinovat s dalšími informacemi z konkrétních zdrojů dat.

Klíčová otázka k zodpovězení – Mám své kritické Master Data domény k dispozici v kompletní a propojené podobě s celou datovou krajinou?

5. Data a jejich hodnota – Data by neměla být považována za nákladové centrum, ale měly by být měřeny podle své hodnoty, a to jak pro AI, tak pro podnik. To vyžaduje, aby data byla na úrovni představenstva a CXO témat, kromě AI.

Klíčová otázka k zodpovězení – Chápe můj Board a CXO hodnotu dat pro organizaci? Pokud ne, jak můžeme zajistit, aby tato hodnota byla pochopena, zejména v kontextu AI strategie v podniku?

Modely přicházejí a odcházejí, ale data zůstávají.

Jak se vaše AI strategie vyvíjí, objevují se nové modely a AI inovace. Rychlost inovací v tomto prostoru je ohromující. Ale s časem se AI modely stanou komoditou; skutečným diferencátorem ve vaší společnosti není, který model používáte, ale jak je kontextualizován s jakými daty je školen, vylepšován a pracuje na nich.

Pokud vytváříte AI strategii, nezačínejte s modelem. Začínejte s otázkou: Máme data, která ji podporují?