Dlaczego dane są nieśpiewanym bohaterem strategii AI

Złota gorączka AI – od pilotów i eksperymentów do strategii i skali przedsiębiorstw

Prawo Moore’a jest w pełni obowiązujące, gdy chodzi o AI. AI jest bardzo pożądane, a każde przedsiębiorstwo je przyjmuje. Innowacje również pomagają zaspokajać to zapotrzebowanie, wprowadzając nowe modele AI, agenci AI i nowe technologie. To powoduje fundamentalną zmianę dla przedsiębiorstw – scena dla pilotów i eksperymentów oraz pokazów AI, w szczególności generatywnej AI, zanika. Przedsiębiorstwa zdają sobie sprawę, że AI musi być wbudowane w strategię przedsiębiorstwa w celu skalowania i tworzenia prawdziwej różnicy biznesowej. AI jest tematem w większości sal konferencyjnych, co skutkuje innowacjami strategicznymi i budżetami.

Dane: pierwszy domina w strategii AI

Kluczowym elementem każdej strategii AI powinny być dane. Dane są niezbędne, aby modele AI były kontekstowe, inteligentne i specyficzne dla domeny i przedsiębiorstwa. Modele AI przewidują wyniki na podstawie tego, jak model jest dostosowany i jakie dane są mu przedstawiane. Oba te elementy zależą od jakości, różnorodności, świeżości i struktury danych.

Zgodnie z niedawnym prognozą IDC, AI ma szansę zwiększyć globalną gospodarkę o prawie 20 bilionów dolarów do 2030 roku, napędzanej nie tylko przez modele, ale także przez ogromne inwestycje w podstawowe dane i infrastrukturę, które je napędzają.

Dane szkoleniowe z wąskimi podzbiorami prowadzą do tendencyjnych modeli, przestarzałe dane prowadzą do nieistotnych wyników, a słabe dane prowadzą po prostu do słabych wyników AI. Dlatego dane są pierwszym dominem w strategii danych przedsiębiorstwa. Nawet z najlepszymi ludźmi i najnowocześniejszymi technologiami, jeśli domina danych upadnie, cała strategia AI upadnie szybko.

Jak raport Gartnera z 2024 roku na temat najważniejszych trendów w danych i analityce, organizacje, które rozwijają się z AI, zależą od danych, a liderzy, którzy odnoszą sukcesy, to ci, którzy ustanawiają zaufanie do swoich danych i strategicznie je wykorzystują.

Kluczowe strategiczne decyzje dotyczące danych dla Twojej strategii AI

Oto 5 kluczowych kwestii, które Ty i Twoje przedsiębiorstwo muszą rozważyć, przygotowując dane do strategii AI:

1. Wykorzystaj swoją krajobraz danych – Wiele przedsiębiorstw nie wykorzystuje krajobrazu zarządzania danymi, zarządzania danymi i przechowywania danych oraz analityki dla AI. Dużo danych służących do raportowania i analityki może być również kluczowe dla AI. Dlatego ważne jest, aby zacząć od istniejących już w przedsiębiorstwie aktywów danych. Oczywiście należy to uzupełnić odpowiednimi środkami zapewnienia jakości danych.

Kluczowe pytanie do zadania – Jakie dane mamy w naszym przedsiębiorstwie i jaki jest ich stan?

2. Metadane i pochodzenie danych – Dla danych, które są na miejscu, metadane, czyli dane o danych, mogą być równie istotne, jeśli nie bardziej, dla AI. Na przykład, biznesowe terminy przypisane do danych mogą pomóc w identyfikacji odpowiedniego kontekstu dla modelu RAG, na przykład. Gdy użytkownik pyta o status roszczenia w przedsiębiorstwie ubezpieczeniowym, wszystkie atrybuty danych oznaczone jako status roszczenia mogą być wykorzystane jako kontekst dla modelu AI, aby odpowiedzieć. Pochodzenie danych pomaga również zrozumieć przepływ danych, pomagając modelom AI w identyfikowaniu zaufanych źródeł danych.

Zgodnie z niedawnym blogiem ISASA, zarządzanie AI jest kluczowe i wymaga odpowiednich metadanych i pochodzenia danych, aby skalować.

Kluczowe pytanie do zadania – Czy nasze dane są odpowiednio oznaczone biznesowymi i technicznymi metadanymi? Czy zbieramy pochodzenie danych, aby zrozumieć, jak dane przepływają od końca do końca?

3. Zarządzanie danymi i zgodność – Upewnij się, że Twoje dane są dobrze zarządzane i zarządzane, a także, że wszelkie przepisy i regulacje dotyczące ochrony danych są stosowane do danych. Strategia AI powinna dziedziczyć i rozszerzać te zarządzanie i regulacje, zamiast zaczynać od zera. Na przykład, jeśli klient chce, aby jego dane były anonimizowane zgodnie z regulacjami GDPR, model AI powinien być zarówno szkolony, jak i operacyjny na anonimizowanych danych.

Kluczowe pytanie do zadania – Czy mamy program zarządzania danymi i zgodności w miejscu? Jeśli nie, jakie są kluczowe aspekty, które muszę mieć w miejscu dla mojej strategii AI?

4. Traktuj dane główne jako swojego ćwierćfinałowego AI – Kluczowe dane główne, które zawierają dane o kluczowych podmiotach w Twoim przedsiębiorstwie, powinny być wykorzystane jako podstawa dla Twojej strategii AI. Na przykład, jeśli istnieje 360-stopniowy widok klienta, strategia AI na temat przewidywania odejścia klienta powinna wykorzystywać te dane główne, aby uniknąć jakichkolwiek braków lub niekompletności danych. Oczywiście, można je połączyć z dodatkowymi informacjami z konkretnych źródeł danych.

Kluczowe pytanie do zadania – Czy mam dostęp do moich kluczowych domen danych głównych w pełni i połączonych z resztą mojego krajobrazu danych?

5. Dane i ich wartość – Dane nie powinny być traktowane jako centrum kosztów, ale powinny być mierzone pod względem ich wartości, zarówno dla AI, jak i dla biznesu. To wymaga, aby dane były omawiane na posiedzeniach zarządu i CXO, oprócz AI.

Kluczowe pytanie do zadania – Czy mój zarząd i CXO rozumieją wartość danych dla organizacji? Jeśli nie, jak mogę upewnić się, że to zostanie zrozumiane, szczególnie w kontekście strategii AI w przedsiębiorstwie?

Modele przychodzą i odchodzą, ale dane pozostają.

Podczas ewolucji Twojej strategii AI, nowe modele i innowacje AI pojawią się. Szybkość innowacji w tym obszarze jest oszałamiająca. Ale z czasem, modele AI zostaną skomercjalizowane; prawdziwym differentiatorem w Twoim przedsiębiorstwie nie jest to, jaki model używasz, ale jak jest on kontekstualizowany z danymi, które są wykorzystywane do szkolenia, dostosowywania i pracy na nich.

Jeśli tworzysz strategię AI, nie zaczynaj od modelu. Zaczynaj od pytania: Czy mamy dane, które ją wspierają?