Deblocarea ultimului mil de inteligență artificială pentru întreprinderi cu inteligență federată la nivel de date

Adoptarea inteligenței artificiale la nivel de întreprindere este răspândită în ceea ce privește ambiția și inegală în ceea ce privește execuția. În toate industriile, organizațiile experimentează cu învățarea automată și modelele generative, instruiesc echipe și implementează instrumente de inteligență artificială în fluxuri de lucru limitate. Cu toate acestea, doar un număr mic de întreprinderi permit sistemelor de inteligență artificială să influențeze deciziile operaționale reale. Principala constrângere nu este performanța modelului, ci încrederea în datele care informează aceste decizii.

Datele întreprinderilor sunt fragmentate, sensibile și guvernate de o gamă largă de constrângeri. Semnalele critice se află în platforme analitice, sisteme operaționale, medii reglementate, ecosisteme de parteneri și fluxuri în timp real. Multe dintre aceste date nu pot fi copiate sau centralizate fără a crește riscul de securitate sau a încălca cerințele de conformitate. Ca urmare, multe inițiative de inteligență artificială rămân limitate la proiecte pilot, analize și cazuri de utilizare asistente, cu o influență limitată asupra strategiei de afaceri sau a deciziilor care au un impact măsurabil.

Această lacună dintre experimentare și impact este adesea descrisă ca ultimul mil de inteligență artificială a întreprinderii. Acesta reflectă o provocare arhitecturală mai largă: permiterea inteligenței artificiale să funcționeze în siguranță în întreaga peisaj de date a întreprinderii, nu doar în porțiunea care este cea mai ușor de accesat.

Datele întreprinderilor sunt distribuite prin design

Întreprinderile moderne funcționează într-un mediu de date complex și distribuit. Depozitele și lacurile de date susțin analizele și raportările, în timp ce sistemele operaționale gestionează tranzacțiile, logistica și interacțiunile cu clienții. Mediile de margine generează semnale sensibile la timp, iar sistemele reglementate impun controale stricte asupra informațiilor sensibile. Datele partenerilor și ale ecosistemului adaugă o complexitate suplimentară.

Aceste sisteme au fost proiectate pentru a îndeplini cerințe operaționale, reglementare și de performanță diferite. Ca urmare, datele întreprinderilor sunt distribuite din necesitate, nu din întâmplare. Încercările de a consolida toate datele într-o singură platformă adesea introduc întârzieri, duplicări, supraveghere și expunere la securitate.

Consecința este că sistemele de inteligență artificială sunt adesea instruite și evaluate pe reprezentări parțiale ale realității întreprinderii. În timp ce aceste modele pot funcționa bine în medii controlate, utilitatea lor scade atunci când sunt aplicate deciziilor operaționale reale care depind de un set mai larg de semnale.

Încrederea se naște din acces, guvernanță și control

Încrederea în inteligența artificială a întreprinderii se dezvoltă atunci când organizațiile au încredere în modul în care datele sunt accesate, guvernate și utilizate. Factorii de decizie așteaptă ca sistemele de inteligență artificială să reflecte condițiile operaționale actuale, să respecte cerințele de securitate și confidențialitate și să funcționeze în cadrul unor structuri de guvernanță stabilite.

În practică, aceste așteptări sunt dificil de îndeplinit atunci când accesul la date este limitat la subseturi centralizate sau curățate. Atributele sensibile, înregistrările reglementate și semnalele în timp real sunt adesea excluse, reducând relevanța ieșirilor sistemelor de inteligență artificială. În timp, acest lucru limitează încrederea organizațională în recomandările bazate pe inteligență artificială.

Cercetările analiștilor întăresc acest model. În timp ce experimentarea cu inteligența artificială este comună, organizațiile citează adesea pregătirea datelor, maturitatea guvernanței și constrângerile de securitate ca motive pentru care inițiativele de inteligență artificială nu progresează dincolo de implementarea limitată.

Pentru ca inteligența artificială să devină un participant de încredere în procesul de luare a deciziilor la nivel de întreprindere, aceasta trebuie să poată interacționa cu toate datele relevante sub controale adecvate, și nu doar cu un subset limitat.

Arhitectura federată permite inteligenței artificiale să ajungă la toate datele întreprinderii

Arhitectura federată abordează această provocare prin alinierea execuției inteligenței artificiale cu natura distribuită a datelor întreprinderii. În loc de a reloca datele într-un sistem centralizat, abordările federate permit calculul să funcționeze direct în mediile existente.

Într-un model federat, datele rămân sub proprietatea și guvernanța locală. Politicile sunt impuse acolo unde se află datele, iar fluxurile de lucru ale inteligenței artificiale sunt executate în loc. Acest abord permite reducerea mișcării inutile a datelor, conservă suveranitatea datelor și permite sistemelor de inteligență artificială să interacționeze cu un spectru mai larg de semnale ale întreprinderii.

Arhitecturile federate sunt din ce în ce mai recunoscute ca o soluție practică pentru limitările sistemelor centralizate de inteligență artificială. Gartner subliniază analiza federată ca o modalitate de a permite interoperabilitatea și schimbul de informații între domenii de date semi-autonome, sprijinind guvernanța descentralizată și proprietatea de domeniu, în timp ce se mențin standardele la nivel de întreprindere. Analiza industriei subliniază, de asemenea, că abordările federate se aliniază cu mediile de date distribuite, conservând controlul local, guvernanța și securitatea, în timp ce permit accesul mai larg la inteligența artificială.

Învățarea federată ilustrează acest principiu în acțiune, permițând antrenarea colaborativă a modelelor în același timp și peste seturi de date descentralizate fără a partaja date brute. Deși reprezintă o tehnică specifică, demonstrează cum se poate obține inteligență în medii descentralizate, respectând controalele locale.

Mai larg, arhitectura federată stabilește o bază pentru sistemele de inteligență artificială să funcționeze în întreaga gamă de date ale întreprinderii, inclusiv analitice, operaționale, reglementate și în timp real, fără a compromite guvernanța.

Securitatea la nivel de date ca federația să fie viabilă din punct de vedere operațional

Execuția federată extinde accesul inteligenței artificiale, în timp ce securitatea la nivel de date asigură că acest acces rămâne controlat. Pe măsură ce sistemele de inteligență artificială interacționează cu datele continuu și în domenii multiple, securitatea și guvernanța trebuie să funcționeze la un nivel de precizie care corespunde sensibilității datelor.

Securitatea la nivel de date impune politici la nivelul elementelor individuale de date, și nu doar la nivel de sistem sau bazat pe rol. Acest lucru permite fluxurilor de lucru ale inteligenței artificiale să acceseze atributele permise, în timp ce câmpurile sensibile rămân protejate, chiar și în cadrul aceluiași set de date.

Prin încorporarea directă a securității în utilizarea datelor, organizațiile pot aplica inteligența artificială în medii cu sensibilitate mixtă, reducând riscul și păstrând conformitatea. Cercetările industriale, inclusiv analiza Deloitte privind barierelor de adoptare a inteligenței artificiale, subliniază că guvernanța trebuie să funcționeze continuu pe parcursul ciclului de viață al inteligenței artificiale, pe măsură ce sistemele se apropie de influențarea deciziilor operaționale.

De la vizibilitate parțială la inteligență la nivel de întreprindere

Promisiunea inteligenței artificiale la nivel de întreprindere constă în capacitatea sa de a integra toate datele relevante, nu doar cele care sunt convenabile pentru acces. Arhitecturile federate, combinate cu securitatea la nivel de date, permit sistemelor de inteligență artificială să funcționeze în întregul patrimoniu de date al întreprinderii, păstrând încrederea, conformitatea și controlul.

Acest abord permite organizațiilor:

• Să incorporeze semnalele operaționale și în timp real în fluxurile de lucru ale inteligenței artificiale
• Să respecte granițele reglementare și contractuale
• Să reducă duplicarea și expunerea la securitate
• Să mențină o guvernanță consistentă în medii multiple

Pe măsură ce capacitățile de inteligență artificială continuă să evolueze, deciziile arhitecturale privind accesul la date și securitatea vor juca un rol din ce în ce mai decisiv în determinarea rezultatelor la nivel de întreprindere.

Proiectarea inteligenței artificiale pentru întreprinderea așa cum există

Inteligența artificială la nivel de întreprindere reușește atunci când reflectă realitatea operațională. Datele sunt distribuite, guvernanța este nuanțată, iar așteptările de securitate sunt ridicate. Arhitecturile federate, centrate pe date, recunosc aceste condiții și oferă o cale pentru inteligența artificială să depășească experimentarea limitată.

Permitând inteligenței artificiale să funcționeze acolo unde se află datele și impunând controlul la nivel de date, organizațiile pot extinde inteligența în întregul lor peisaj de date. Această schimbare transformă inteligența artificială dintr-un ajutor analitic într-un participant de încredere în procesul de luare a deciziilor.

Ultimul mil este atins atunci când inteligența artificială poate interacționa în siguranță și responsabil cu toate datele întreprinderii, indiferent de locul în care se află.