Dominic Sartorio, VP de Marketing de Produs la Denodo – Seria de Interviuri

Dominic Sartorio este VP de Marketing de Produs la Denodo. Dominic are peste 20 de ani de experiență în domeniul gestionării și guvernanței datelor, ocupând diverse roluri de conducere în produs și marketing la Informatica, Protegrity, printre alți furnizori de top.

Denodo este un lider global în domeniul gestionării datelor, care alimentează agenți și aplicații de încredere AI. Platforma Denodo, o soluție de gestionare a datelor logice premiată, transformă datele întreprinderilor în informații de încredere pentru AI, analize și inițiative de auto-deservire. Organizațiile din întreaga lume folosesc Denodo pentru a furniza date pregătite pentru AI, gata pentru afaceri, într-o fracțiune din timpul necesar pentru lacurile de date tradiționale, obținând până la 4 ori mai rapid timpul de obținere a insight-urilor, un ROI de 345% și o performanță de 10 ori mai bună. Pe baza insight-urilor de la 850 de lideri de întreprinderi, Raportul de încredere AI al Denodo arată de ce multe proiecte AI au dificultăți în a depăși stadiul de pilot și ce trebuie să facă organizațiile pentru a construi AI de încredere, gata pentru producție.

Ați ocupat roluri de conducere senior în companii precum Informatica, Protegrity, Infoworks și acum Denodo, toate axate pe diferite straturi ale infrastructurii de date a întreprinderii. Cum s-a schimbat perspectiva dvs. asupra “datelor de încredere” pe măsură ce AI a trecut de la analize la sisteme autonome și agenți?

La începutul carierei mele, datele de încredere erau în mare parte despre acuratețe, proveniență, securitate și oferirea de încredere analiștilor în rapoarte și tablouri de bord. Cu agenții AI autonomi, mizele sunt mult mai mari, deoarece sistemele nu doar interpretează datele, ci pot acționa în mod autonom, declanșând fluxuri de lucru comerciale sau luând decizii cu impact în lumea reală. Acest lucru înseamnă că datele de încredere trebuie să includă context operațional în timp real, sens comercial consistent și garduri de protecție impuse, astfel încât să se poată avea încredere că agenții acționează corect și în siguranță.

Raportul de încredere AI al Denodo a constatat că 66% dintre organizații spun că datele AI trebuie să fie în timp real sau aproape de timpul real pentru a fi de încredere. De ce credeți că atâtea întreprinderi au încă dificultăți în a furniza date operaționale în timp real către sistemele AI?

Majoritatea întreprinderilor nu au fost proiectate pentru agenți AI care necesită o conștientizare situatională în timp real în multe sisteme. Datele lor sunt răspândite în aplicații, cloud, depozite, lacuri de date, sisteme legacy și alte platforme operaționale. Ei pot copia aceste date într-un depozit central sau lac de date pentru analize și BI, dar acest lucru nu este adecvat pentru agenții AI care necesită o conștientizare situatională în timp real. Odată ce datele sunt copiate, ele nu mai sunt în timp real. Este posibil să se transmită în timp real, dar acest lucru devine foarte costisitor foarte repede. Acesta este exact locul în care abordarea de gestionare a datelor logice a Denodo devine importantă, deoarece oferă sistemelor AI acces guvernat la date în timp real, fără a necesita ca întreprinderile să copieze și să replatformeze totul în mod constant.

Una dintre constatările mai izbitoare din raport este că inițiativele AI ale întreprinderilor atrag acum din sute de surse de date, unele organizații accesând peste 1.000. Cum schimbă acest nivel de fragmentare modul în care întreprinderile ar trebui să gândească despre arhitectura AI?

La acest nivel de fragmentare, arhitectura nu poate depinde de consolidarea fizică a fiecărei surse înainte ca AI să o poată utiliza. Întreprinderile au nevoie de un strat de abstractizare care să poată descoperi, integra, guverna și furniza date în întreaga realitate distribuită pe care o au. În opinia mea, arhitectura datelor trebuie să devină mai logică, condusă de metadate și semantică, astfel încât agenții să poată găsi datele corecte în context, fără a fi strâns legați de sistemele subiacente.

Raportul susține că multe eșecuri AI sunt, de fapt, “eșecuri de arhitectură a datelor” și nu eșecuri de model. Credeți că industria a petrecut prea mult timp obsedată de modele, subestimând importanța infrastructurii de date?

Da. Modelele sunt importante, desigur, dar multe proiecte AI eșuate nu eșuează pentru că modelul este incapabil; ele eșuează pentru că modelul funcționează cu date incomplete, învechite, inconsistente sau slab guvernate. Modelul a funcționat excelent în pilot, folosind un set de date bine definit și curat, dar odată implementat în “lumea reală”, cu haosul său distribuit, AI eșuează să producă rezultate de încredere. Experiența mea a fost că întreprinderile obțin rezultate AI mult mai bune atunci când tratează stratul de date ca o parte de primă clasă a arhitecturii AI, și nu ca o gândire ulterioară.

Denodo vorbește frecvent despre consistența semantică și importanța unui strat semantic universal. Pe măsură ce agenții AI încep să ia decizii autonom, cât de critic devine alinierea semantică pentru prevenirea acțiunilor incorecte sau a logicii de afaceri halucinate?

Alinierea semantică devine absolut critică. Dacă un sistem definește “client”, “venit”, “risc” sau “pierdere” diferit de altul, un agent AI poate produce un răspuns tehnic plauzibil care este încă greșit pentru contextul de afaceri dat. Un strat semantic universal ajută la asigurarea faptului că agenții operează cu sens comercial consistent, și nu doar cu acces la date brute.

Sesiunea dvs. de la AI & Big Data Expo s-a axat pe trecerea de la piloții AI la producție. În experiența dvs., care sunt cele mai mari motive pentru care întreprinderile rămân blocate în “faza de pilot” și nu reușesc să scaleze AI în sisteme operaționale reale?

Piloții funcționează adesea pentru că sunt îngusti, curați manual și izolați de complexitatea deplină a întreprinderii. AI-ul de producție trebuie să aibă de-a face cu date în timp real de la multe surse, securitate, guvernanță, performanță, auditabilitate, reguli de afaceri în schimbare și integrare în fluxuri de lucru reale. Multe organizații rămân blocate pentru că construiesc un demo impresionant, dar nu fundația de date guvernată necesară pentru a opera AI în mod fiabil la scară.

Raportul citează previziuni potrivit cărora o parte semnificativă a proiectelor AI agenți ar putea fi anulate în următorii ani din cauza costurilor în creștere, a lipsei de valoare clară sau a controalelor de risc inadecvate. Credeți că industria intră într-o fază în care întreprinderile vor deveni mult mai selective cu privire la care proiecte AI supraviețuiesc?

Da, și cred că acest lucru este sănătos. Prima undă de experimentare AI a fost despre posibilitate; următoarea undă va fi despre valoare operațională, disciplină de cost și încredere. Proiectele care vor supraviețui vor fi cele legate de rezultate comerciale măsurabile și susținute de datele, guvernanța și arhitectura potrivite.

Securitatea și guvernanța apar în raport ca teme recurente, în special în jurul “gardurilor de protecție” pentru AI agenți. Cum ar trebui organizațiile să echilibreze capacitățile AI autonome cu nevoia de control strict al accesului și auditabilitate?

Cheia nu constă în a trata guvernanța ca ceva atașat după ce sistemul AI a fost construit. Controlul accesului, aplicarea politicilor, proveniența și auditabilitatea trebuie să fie încorporate în stratul de acces la date însuși, astfel încât agenții AI să vadă și să utilizeze doar datele pentru care sunt autorizați. Cu Denodo, aceleași politici de guvernanță pot fi aplicate în mod consistent pe surse distribuite, ceea ce este esențial atunci când AI funcționează în medii hibride și multi-cloud.

Denodo poziționează gestionarea logică a datelor ca o modalitate de a unifica accesul în medii hibride și multi-cloud fără a muta în mod constant date. Pe măsură ce întreprinderile adoptă arhitecturi de recuperare AI, credeți că arhitecturile “fără copie” sau logice vor deveni direcția pe termen lung pentru AI-ul întreprinderilor?

Da. Arhitecturile de recuperare AI depind de obținerea datelor corecte la momentul potrivit, nu neapărat de mutarea fiecărui set de date într-un depozit unic în avans. O abordare logică, fără copie, este mult mai bine aliniată cu modul în care funcționează întreprinderile: datele rămân distribuite, dar AI poate accesa datele prin intermediul unui strat guvernat, semantic și în timp real. Aceasta este direcția în care cred că AI-ul întreprinderilor trebuie să meargă.

Privind înainte în următorii trei până la cinci ani, ce credeți că va separa organizațiile care operează AI de încredere de cele care rămân blocate în modul de experimentare?

Câștigătorii vor fi organizațiile care recunosc că AI nu este doar o strategie de model; este o strategie de date, o strategie de guvernanță și o strategie de model de operare. Ei vor investi în acces la date în timp real, consistență semantică, guvernanță reutilizabilă și arhitecturi care pot acoperi întreaga întreprindere. Cei care continuă să construiască piloți izolați pe date fragmentate sau învechite vor lupta să depășească experimentarea.

Mulțumim pentru interviul excelent, cititorilor care doresc să afle mai multe, le recomandăm să viziteze Denodo sau să descarce Raportul de încredere AI al Denodo