Inițiativele de Inteligență Artificială nu au nevoie de date perfecte: O perspectivă pragmatică asupra Inteligenței Artificiale pentru Întreprinderi

Piața de inteligență artificială pentru întreprinderi va ajunge la 204 miliarde de dolari până în 2030. Douăzeci și doi la sută din organizații planifică să crească investițiile lor în inteligență artificială în următorii trei ani. Cu toate acestea, cercetările MIT arată că 90% din proiectele de inteligență artificială nu reușesc să treacă de stadiul de pilot. Și cauza principală nu este complexitatea modelului; este calitatea datelor.

Sălile de consiliu de administrație dezbate ChatGPT versus Claude. Ei pun întrebarea greșită. Problema reală este dacă datele organizației sunt pregătite pentru orice implementare de inteligență artificială. Majoritatea companiilor construiesc capacități de inteligență artificială sofisticate pe fundații de date fracturate, inconsistente și lipsite de context.

Acest lucru creează, din nefericire, eșecuri costisitoare. Instituțiile financiare implementează chatbot-uri care halucinează cifre de venit. Retailerii implementează motoare de recomandare care sugerează produse întrerupte. Producătorii investesc în analize predictive care nu pot răspunde la întrebări operaționale de bază. Aceste eșecuri provin din graba de a implementa modele avansate, în timp ce se sar peste pregătirea fundamentală a datelor.

Înțelegerea provocării complexității datelor

Datele întreprinderilor există în trei categorii. Fiecare necesită abordări de pregătire diferite. Înțelegerea acestor diferențe determină succesul inteligenței artificiale.

Datele structurate arată familiare. Informațiile se află în baze de date și foi de calcul cu rânduri și coloane clare. Multe organizații presupun că sistemele tranzacționale bine organizate înseamnă pregătire pentru inteligență artificială. Acestă presupunere creează probleme. Sistemele de inteligență artificială se luptă cu datele structurate, nu din cauza dezorganizării, ci din cauza lacunelor de context. Când inteligența artificială întâlnește câmpuri “ProductID” în mai multe tabele de baze de date, nu poate înțelege aceste relații fără instrucțiuni explicite. Rezultatul este o inteligență artificială care accesează datele, dar nu le poate analiza în mod semnificativ.

Datele nestructurate prezintă provocări și oportunități opuse. Această categorie include e-mailuri, documente, prezentări, videoclipuri și alte conținuturi generate de oameni, unde trăiește cea mai mare parte a cunoștințelor organizației. Uneltele analitice tradiționale se luptă cu datele nestructurate. Sistemele moderne de inteligență artificială sunt proiectate pentru a le procesa. Succesul necesită o pregătire sistematică. Organizațiile nu pot încărca mii de fișiere PDF și aștepta insights semnificative. Implementarea eficientă necesită segmentarea conținutului, crearea de metadate și optimizarea căutării.

Datele semistructurate ocupă terenul complex din mijloc. Fișierele JSON, jurnalele de sistem și rapoartele combină elemente organizate cu conținut narativ. Greșeala comună este de a trata aceste surse ca fiind pur nestructurate, ceea ce pierde componente organizate valoroase. Implementarea cu succes a inteligenței artificiale necesită analiza elementelor structurate, în timp ce se păstrează insight-urile nestructurate, și apoi recombinați-le pentru o analiză cuprinzătoare.

Fiecare tip de date necesită strategii de pregătire specifice. Sistemele de inteligență artificială trebuie configurate pentru a gestiona această complexitate. Organizațiile care tratează toate datele în mod uniform creează implementări de inteligență artificială care excelează cu un tip de date, în timp ce eșuează cu altele.

Lacuna de context care împiedică performanța inteligenței artificiale

Contextul este cel mai important factor în succesul inteligenței artificiale. Este, de asemenea, cel mai frecvent neglijat. Analistii umani aduc zeci de ani de cunoștințe de afaceri la interpretarea datelor. Când examinează rapoartele trimestriale, ei înțeleg că “Venitul” reprezintă vânzări post-impozitare în dolari americani. Sistemele de inteligență artificială nu posedă o astfel de înțelegere. Fără context explicit, inteligența artificială poate interpreta “47%” ca o cifră de venit, când valoarea reală este de 4,7 milioane de dolari. Acest lucru duce la recomandări de afaceri fundamental greșite.

Lacuna de context se extinde dincolo de interpretarea de bază a datelor. Fiecare organizație dezvoltă definiții unice pentru metrici comune. “Costul de achiziție a clienților” înseamnă ceva complet diferit la o companie nouă, comparativ cu o întreprindere stabilită. “Rata de abandon” variază dramatic în diferite industrii și companii. Sistemele de inteligență artificială necesită instrucțiuni explicite în aceste nuanțe organizaționale pentru a oferi insights semnificative.

Abordările tradiționale de documentare eșuează în implementarea inteligenței artificiale. Dicționarele de date statice stocate pe servere rămân invizibile pentru sistemele de inteligență artificială și devin rapid învechite. Organizațiile de succes creează documentații vii pe care inteligența artificială le poate referi activ. Aceasta se actualizează automat pe măsură ce regulile de afaceri evoluează.

Echilibrul dintre automatizare și intrare umană devine crucial aici. Mașinile excelează la identificarea relațiilor tehnice. Ele recunosc că coloana A se conectează la tabelul B în sistemele de baze de date. Numai expertiza umană oferă contextul de afaceri. Oamenii explică de ce anumite metrici sunt importante, cum sunt calculate și ce constituie intervale de performanță normală versus îngrijorătoare. Implementarea eficientă a inteligenței artificiale combină descoperirea automată cu curarea cunoștințelor umane.

Riscuri amplificate în era inteligenței artificiale

Implementarea inteligenței artificiale amplifică problemele de date existente la o scară și o viteză fără precedent. Provocările tradiționale de guvernanță a datelor devin exponențial mai complexe atunci când sistemele de inteligență artificială accesează, procesează și partajează informații în afara granițelor organizaționale.

Mecanismele de control al accesului concepute pentru utilizatorii umani se dovedesc inadecvate pentru sistemele de inteligență artificială. Modelele de securitate tradiționale ar putea acorda analiștilor de vânzări acces la anumite foldere. Dar asistenții inteligenți artificiali pot expune involuntar informații sensibile unor utilizatori neautorizați prin interogări aparent inofensive. Un sistem de servicii pentru clienți poate accesa datele de preț ale concurenților și le poate partaja în comunicările cu clienții. Organizațiile au nevoie de cadre de securitate suficient de sofisticate pentru a înțelege ce poate și ce nu poate partaja inteligența artificială în diferite contexte.

Cerințele de conformitate devin semnificativ mai complexe atunci când sistemele de inteligență artificială iau decizii care afectează indivizi. Conformitatea cu GDPR a fost dificilă atunci când oamenii luau decizii bazate pe date. Acum, organizațiile trebuie să explice cum algoritmii de inteligență artificială au ajuns la concluzii specifice. Trebuie să mențină urme de audit pentru decizii automate. Trebuie să se asigure că datele de antrenament pentru inteligența artificială respectă regulile de confidențialitate. “Dreptul la explicație” capătă un nou înțeles atunci când decidentul este un sistem algoritmic, și nu un analist uman.

Construirea încrederii necesită abordări noi pentru testare și monitorizare. Asigurarea calității tradițională s-a concentrat pe faptul că sistemele funcționau corect în condiții așteptate. Sistemele de inteligență artificială necesită monitorizare continuă pentru a detecta când eșuează, cât de grav și de ce. Organizațiile trebuie să implementeze monitorizarea în timp real pentru fiecare decizie a inteligenței artificiale, și nu doar pentru metrici de performanță a sistemului.

Buclele de feedback devin critice pentru îmbunătățire. Când utilizatorii corectează răspunsurile inteligenței artificiale, acea corectură reprezintă date de antrenament valoroase. Dar numai dacă organizațiile capturează și incorporează sistematic aceste corecturi. Acest lucru necesită procese pentru colectarea feedback-ului utilizatorilor, validarea corecturilor și actualizarea comportamentului inteligenței artificiale în consecință.

Navigarea deciziei de a construi versus a cumpăra

Organizațiile se confruntă cu o alegere între dezvoltarea capacităților interne de inteligență artificială și parteneriatul cu platforme externe. Fiecare abordare are avantaje și provocări distincte care trebuie să se alinieze cu capacitățile și obiectivele strategice ale organizației.

Construirea capacităților interne de inteligență artificială oferă control și potențial de personalizare maxim. Organizațiile pot dezvolta sisteme adaptate exact nevoilor lor unice. Ele păstrează proprietatea completă asupra datelor și algoritmilor lor. Cu toate acestea, cerințele de resurse sunt substanțiale. Dezvoltarea internă de succes necesită, de obicei, echipe de ingineri de date, specialiști în inteligență artificială și experți în domeniu. Dezvoltarea durează 12-24 de luni. Costurile ascunse includ menținerea la curent cu tehnologiile de inteligență artificială în evoluție rapidă, menținerea sistemelor non-stop și explicarea întârzierilor de timp pentru conducerea executivă.

Soluțiile de platformă promit o implementare mai rapidă și o reducere a suprasarcinii tehnice. Organizațiile pot încărca date, configura setări de bază și începe să genereze insights de inteligență artificială. Cu toate acestea, organizațiile trebuie să evalueze cu atenție capacitățile platformei în raport cu cerințele lor specifice. Considerațiile cheie includ compatibilitatea formatului de date, înțelegerea specifică a industriei, protecția securității și confidențialității datelor, precum și capacitățile de integrare cu sistemele existente.

O abordare hibridă funcționează adesea cel mai bine pentru multe organizații. Începerea cu soluții de platformă permite companiilor să demonstreze valoarea inteligenței artificiale rapid, în timp ce învață despre cerințele lor specifice. Odată ce organizațiile înțeleg ce funcționează, pot lua decizii informate despre care capacități justifică dezvoltarea internă versus utilizarea continuă a platformei.

Un cadru practic pentru a merge mai departe

Implementarea cu succes a inteligenței artificiale începe cu o evaluare onestă, mai degrabă decât cu planificarea ambițioasă. Organizațiile ar trebui să înceapă prin inventarierea activelor de date existente. Acest proces revelează, de obicei, mai multă complexitate și inconsistente decât s-ar fi așteptat inițial. În loc de a încerca o transformare cuprinzătoare a inteligenței artificiale, companiile de succes identifică probleme specifice și măsurabile în care inteligența artificială poate oferi o valoare clară.

Lucrarea de bază necesită efort semnificativ, dar rămâne esențială. Acesta include curățarea datelor, documentarea contextului, implementarea controlului accesului și testarea pilotului cu metrici de succes clar definite. Organizațiile ar trebui să planifice timpi realiști. Gândiți-vă la luni sau ani, mai degrabă decât la săptămâni. Construiți capacitățile în mod incremental.

Companiile care finalizează această lucrare de bază, în timp ce competitorii lor rămân concentrați pe selectarea modelelor de inteligență artificială, vor obține avantaje semnificative. Alegerea tehnologiei este mult mai puțin importantă decât pregătirea care permite oricărui sistem de inteligență artificială să ofere valoare de afaceri semnificativă.

Costul așteptării

Revoluția inteligenței artificiale continuă, indiferent de pregătirea organizațională. Companiile pot alege să investească în pregătirea datelor corespunzătoare acum. Sau pot încerca să adapteze soluții ulterioare la un cost și o complexitate semnificativ mai mare. Organizațiile care vor emerge ca lideri în inteligența artificială vor recunoaște devreme că succesul nu depinde de alegerea celor mai sofisticate modele, ci de construirea fundațiilor de date suficient de robuste pentru a permite oricărui sistem de inteligență artificială să ofere valoare de afaceri semnificativă.

Întrebarea care se pune în fața liderilor de întreprinderi nu este care tehnologie de inteligență artificială să implementeze. Este dacă organizația lor a făcut munca grea necesară pentru a face orice implementare de inteligență artificială de succes. Capabilitățile de inteligență artificială evoluează lunar. Avantajul competitiv durabil aparține companiilor cu fundații de date suficient de robuste pentru a susține orice dezvoltare tehnologică care va apărea în continuare.