Datele Haotice Împiedică Adoptarea Inteligenței Artificiale la Nivelul Întreprinderilor – Cum Pot Companiile să Se Dezîmpletească

Start-up-urile din domeniul sănătății spun că reglementările neclare sunt înăbușitoare pentru inovația în domeniul inteligenței artificiale din acest sector. Desigur, astfel de precauții sunt necesare în industria sănătății, unde este literalmente vorba de viață sau de moarte. Dar ce este mai puțin înțelept este adoptarea lentă a inteligenței artificiale la nivelul întreprinderilor SaaS – un spațiu care nu este împiedicat de birocrație, ca și alte sectoare.

Deci, ce împiedică întreprinderile să adopte inteligența artificială pentru a-și optimiza și eficientiza procesele? Principalul vinovat este haosul de date murdare care se acumulează pe măsură ce companiile cresc și adaugă noi unelte și produse. În acest articol, voi explora modul în care datele murdare sunt un obstacol pentru inovația în domeniul inteligenței artificiale la nivelul întreprinderilor și voi explora soluțiile.

Bun venit în jungla de date

Să începem prin a examina o provocare comună cu care se confruntă multe afaceri moderne. Inițial, atunci când afacerile oferă o gamă limitată de produse, acestea au, de obicei, date de venituri curate care sunt stocate într-un singur sistem. Cu toate acestea, pe măsură ce extind oferta lor și adoptă diverse modele de venituri, lucrurile se complică rapid.

De exemplu, o afacere poate începe prin a utiliza un model de cumpărare unică, dar mai târziu poate introduce opțiuni suplimentare, cum ar fi abonamente sau prețuri bazate pe consum. Pe măsură ce se extind, este probabil ca acestea să-și diversifice și canalele de vânzări. O companie care începe cu 100% vânzări de produse prin auto-servire poate realiza, în timp, că are nevoie de ajutorul echipelor de vânzări pentru a-și mări vânzările, a-și extinde portofoliul de clienți și a-și crește veniturile.

În timpul etapelor de creștere rapidă, multe afaceri simplu adaugă noi sisteme de vânzări pe cele existente. Acestea vor procura o altă unealtă SaaS pentru a gestiona fiecare mișcare diferită, model de preț, proces de cumpărare și așa mai departe. Nu este neobișnuit ca departamentul de marketing al unei companii să aibă 20 de unelte SaaS diferite, cu 20 de silozuri de date diferite.

Așadar, în timp ce companiile încep, de obicei, cu date integrate și curate, creșterea face ca datele să scape rapid de sub control, adesea mult înainte ca afacerile să recunoască acest lucru ca pe o problemă. Datele devin izolate între sistemele de facturare, îndeplinire, succesul clienților și alte sisteme, ceea ce face ca companiile să piardă vizibilitatea globală asupra funcționării lor interne. Și, din nefericire, reconcilierea manuală a datelor este adesea atât de laborioasă și consumatoare de timp, încât informațiile pot fi învechite până când sunt gata de utilizare.

Inteligența artificială nu poate rezolva problema datelor murdare pentru dvs.

Mai mulți clienți potențiali ne-au întrebat: “dacă inteligența artificială este atât de bună, nu poate să rezolve această problemă de date murdare pentru noi?” Din nefericire, modelele de inteligență artificială nu sunt panaceul pentru această problemă de date.

Modelele actuale de inteligență artificială necesită seturi de date curate pentru a funcționa corect. Companiile care se bazează pe diverse mișcări de vânzări, platforme SaaS și procese de venituri acumulează inevitabil seturi de date disparate și fragmentate. Atunci când datele de venituri ale unei afaceri sunt împrăștiate între sisteme incompatibile care nu pot comunica între ele, inteligența artificială nu poate face sens din ele. De exemplu, ceea ce este etichetat ca “Produs” într-un sistem poate fi foarte diferit de “Produs” într-un alt sistem. Această diferență semantică subtilă este dificil de identificat pentru inteligența artificială și ar duce inevitabil la inexactități.

Datele trebuie curățate, contextualizate și integrate înainte de a utiliza inteligența artificială. Există o concepție greșită de lungă durată că depozitarea datelor oferă o soluție universal valabilă. În realitate, chiar și cu un depozit de date, datele trebuie încă rafinate manual, etichetate și contextualizate, înainte ca afacerile să le poată utiliza pentru a produce analize semnificative. Așadar, în acest sens, există paralele între depozitarea datelor și inteligența artificială, în sensul că afacerile trebuie să ajungă la rădăcina problemelor de date murdare, înainte de a putea beneficia de oricare dintre aceste unelte.

Chiar și atunci când datele au fost contextualizate, sistemele de inteligență artificială sunt încă estimate a halucina cel puțin 3% din timp. Dar financiarul unei companii — unde chiar și o virgulă în locul greșit poate avea un efect de domino care perturbă multiple procese — necesită o acuratețe de 100%. Acest lucru înseamnă că intervenția umană este încă esențială pentru a valida acuratețea și coerența datelor. Integrarea prematură a inteligenței artificiale poate crea chiar mai multă muncă pentru analiștii umani, care trebuie să aloce timp și resurse suplimentare pentru a corecta aceste halucinații.

O capcană de date

Cu toate acestea, proliferarea soluțiilor SaaS și a datelor murdare rezultate are câteva soluții.

Mai întâi, companiile ar trebui să-și evalueze în mod regulat stiva de tehnologie pentru a se asigura că fiecare unealtă este strict necesară proceselor lor de afaceri și nu contribuie doar la haosul de date. Puteți găsi că există 10 sau chiar 20 de unelte pe care echipele le utilizează zilnic. Dacă acestea aduc cu adevărat valoare departamentelor și afacerii în ansamblu, nu le eliminați. Dar dacă datele murdare și izolate perturbă procesele și colectarea de informații, trebuie să cântăriți beneficiile față de schimbarea cu o soluție unificată și eficientă, în care toate datele sunt stocate în aceeași unealtă și limbaj.

În acest punct, afacerile se confruntă cu un dilemă atunci când aleg software: uneltele universale pot oferi coerență a datelor, dar posibil mai puțină precizie în anumite domenii. Un punct de echilibru implică afacerile care caută software care oferă un model de obiect universal, flexibil, adaptabil și integrat perfect cu ecosistemul general. Luați, de exemplu, Jira de la Atlassian (TEAM ). Acest instrument de gestionare a proiectelor funcționează pe un model de obiect ușor de înțeles și foarte extensibil, ceea ce face ușor să se adapteze la diferite tipuri de gestionare a proiectelor, inclusiv dezvoltarea de software Agile, IT/Helpdesk, Marketing, Educație și așa mai departe.

Pentru a naviga această compensație, este crucial să cartografiați metricile care contează cel mai mult pentru afacerea dvs. și să lucrați de la acolo. Identificarea stelei polare a companiei dvs. și alinierea sistemelor dvs. spre aceasta asigură că sunteți proiectând infrastructura dvs. de date pentru a furniza informațiile de care aveți nevoie. În loc să vă concentrați doar pe fluxurile de lucru operaționale sau pe conveniența utilizatorului, luați în considerare dacă un sistem contribuie la metrici negociabile, cum ar fi cele esențiale pentru luarea deciziilor strategice.

În cele din urmă, sunt companiile care investesc timp și resurse în a-și dezîmpleti haosul de date în care s-au încurcat care vor fi primele care vor debloca adevăratul potențial al inteligenței artificiale.