Mengapa Data Adalah Pahlawan Tak Terlihat Dalam Strategi AI

The AI Gold Rush – Dari Pilot dan Eksperimen ke Skala dan Strategi Perusahaan

Hukum Moore benar-benar berlaku ketika datang ke AI. AI sangat diminati, dan setiap perusahaan mengadopsi AI. Inovasi juga membantu memicu permintaan ini dengan model AI baru, Agen AI, dan teknologi baru yang masuk ke tempat ini. Ini menciptakan pergeseran mendasar bagi perusahaan – tahap untuk pilot dan eksperimen keren dan showcase untuk AI, terutama Generative AI, secara signifikan memudar. Perusahaan menyadari bahwa AI perlu disematkan sebagai bagian dari Strategi Perusahaan untuk penskalaan dan menciptakan diferensiasi bisnis yang sebenarnya. AI adalah topik di sebagian besar ruang rapat dewan, yang menghasilkan inovasi strategis dan anggaran.

Data: Domino Pertama dalam Strategi AI

Pertimbangan kunci dalam strategi AI apa pun haruslah Data. Data sangat penting untuk model AI agar menjadi kontekstual, cerdas, dan spesifik domain dan perusahaan. Model AI memprediksi hasil berdasarkan cara model disetel dan input yang disajikan. Keduanya bergantung pada kualitas, keragaman, ketepatan waktu, dan struktur data.

Menurut ramalan IDC baru-baru ini, AI diharapkan dapat meningkatkan perekonomian global sebesar hampir $20 triliun pada tahun 2030, didorong tidak hanya oleh model tetapi juga oleh investasi besar dalam data dan infrastruktur yang mendasarinya.

Data pelatihan dengan subset sempit menghasilkan model yang bias, data yang ketinggalan zaman menghasilkan hasil yang tidak relevan, dan data yang buruk hanya menghasilkan hasil AI yang buruk. Oleh karena itu, Data adalah domino pertama dalam strategi data perusahaan. Bahkan dengan orang-orang terbaik dan teknologi canggih, jika domino data jatuh, strategi AI seluruhnya runtuh dengan cepat.

Seperti yang laporan Gartner 2024 tentang tren data dan analitik teratas, organisasi saat mereka berkembang dengan AI bergantung pada data, dan pemimpin yang berhasil akan menjadi mereka yang membangun kepercayaan pada data mereka dan memimpin dengan itu secara strategis.

Keputusan Data Strategis Kunci untuk Strategi AI Anda

Berikut adalah 5 pertimbangan kunci yang Anda dan perusahaan Anda perlu buat untuk mempersiapkan Data Anda untuk strategi AI Anda:

1. Gunakan Kembali Data Landscape Anda – Beberapa perusahaan tidak menggunakan kembali pengelolaan data, tata kelola data, dan penyimpanan data dan analitik untuk AI. Banyak data yang melayani pelaporan dan analitik kritis juga dapat kritis untuk AI. Oleh karena itu, penting untuk memulai dengan aset data yang sudah ada di perusahaan. Tentu saja, ini perlu ditingkatkan dengan langkah-langkah kualitas data yang tepat.

Pertanyaan Kunci untuk Ditanyakan – Data apa yang kita miliki di perusahaan kita, dan dalam kondisi apa?

2. Metadata dan Data Lineage – Untuk data yang ada, metadata, yaitu data tentang data, mungkin sama pentingnya, jika tidak lebih, untuk AI. Misalnya, istilah bisnis yang ditandai pada data dapat membantu mengidentifikasi konteks yang relevan untuk model RAG, misalnya. Ketika pengguna meminta status klaim di perusahaan asuransi, semua atribut data yang ditandai dengan Status Klaim dapat digunakan sebagai konteks untuk model AI untuk merespons. Data Lineage juga membantu memahami aliran data, membantu model AI untuk mengidentifikasi sumber data yang tepercaya.

Berdasarkan blog ISASA baru-baru ini, Pemerintahan AI sangat penting dan memerlukan metadata dan data lineage yang tepat untuk berkembang.

Pertanyaan Kunci untuk Ditanyakan – Apakah data kita ditandai dengan benar dengan metadata bisnis dan teknis? Apakah kita mengumpulkan data lineage untuk memahami bagaimana data mengalir dari awal hingga akhir?

3. Tata Kelola Data dan Kepatuhan – Pastikan bahwa data Anda dikelola dan diatur dengan baik, dan bahwa semua peraturan kepatuhan dan privasi diterapkan pada data. Strategi AI kemudian harus mewarisi dan memperluas tata kelola dan peraturan ini daripada memulai dari awal. Misalnya, jika pelanggan ingin datanya dianonimkan sesuai dengan peraturan GDPR, model AI harus dilatih dan dioperasikan pada dataset yang dianonimkan.

Pertanyaan Kunci untuk Ditanyakan – Apakah kita memiliki Program Tata Kelola Data dan Kepatuhan? Jika tidak, apa saja aspek-aspek kunci yang perlu saya miliki untuk strategi AI saya?

4. Perlakukan Data Master sebagai Quarterback AI Anda – Data Master yang kritis, yang berisi data tentang entitas kunci di perusahaan Anda, harus digunakan sebagai dasar untuk strategi AI Anda. Misalnya, jika ada tampilan 360 derajat pelanggan, strategi AI pada domain pelanggan, seperti prediksi churn pelanggan, harus memanfaatkan data master ini untuk menghindari data yang hilang atau tidak lengkap. Tentu saja, ini dapat dikombinasikan dengan informasi dari sumber data tertentu.

Pertanyaan Kunci untuk Ditanyakan – Apakah saya memiliki domain data master kritis yang tersedia dalam bentuk lengkap dan terhubung dengan lanskap data lainnya?

5. Data dan Nilainya – Data tidak boleh dianggap sebagai pusat biaya tetapi diukur dalam hal nilainya, baik untuk AI maupun bisnis. Ini memerlukan data untuk berada di papan dan topik CXO selain AI.

Pertanyaan Kunci untuk Ditanyakan – Apakah dewan dan CXO saya memahami nilai Data bagi organisasi? Jika tidak, bagaimana kita dapat memastikan bahwa ini dipahami, terutama dalam konteks strategi AI di perusahaan?

Model Datang dan Pergi, Tetapi Data Bertahan.

Ketika strategi AI Anda berkembang, model AI baru dan inovasi AI akan muncul. Kecepatan inovasi di ruang ini luar biasa. Namun, dari waktu ke waktu, model AI akan komoditis; pembeda sebenarnya di perusahaan Anda bukanlah model mana yang digunakan tetapi bagaimana itu dikontekstualisasikan dengan data apa yang digunakan untuk melatih, memperhalus, dan bekerja dengannya.

Jika Anda merancang strategi AI, jangan mulai dengan model. Mulailah dengan pertanyaan: Apakah kita memiliki data untuk mendukungnya?