Почему данные являются незаслуженно забытым героем стратегии ИИ

Золотая лихорадка ИИ – от пилотов и экспериментов к масштабу и стратегии предприятия

Закон Мура в полной мере действует в отношении ИИ. ИИ пользуется высоким спросом, и каждое предприятие принимает ИИ. Инновации также способствуют удовлетворению этого спроса, поскольку появляются новые модели ИИ, агенты ИИ и технологии. Это создает фундаментальный сдвиг для предприятий – этап пилотов и экспериментов, демонстраций ИИ, в частности, генеративного ИИ, в значительной степени уходит в прошлое. Предприятия осознают, что ИИ необходимо интегрировать в стратегию предприятия для масштабирования и создания真正й бизнес-различимости. ИИ является темой в большинстве совещаний директоров, что приводит к стратегическим инновациям и бюджетам.

Данные: Первая домино в стратегии ИИ

Одним из ключевых факторов в любой стратегии ИИ должна быть Данные. Данные имеют решающее значение для того, чтобы модели ИИ были контекстными, интеллектуальными и специфичными для домена и предприятия. Модели ИИ предсказывают результаты на основе того, как модель настроена и какие входные данные представлены ей. Оба этих фактора зависят от качества, разнообразия, новизны и структуры данных.

Согласно недавнему прогнозу IDC, ИИ, как ожидается, увеличит глобальную экономику почти на 20 триллионов долларов к 2030 году, что обусловлено не только моделями, но и огромными инвестициями в основные данные и инфраструктуру, которые их поддерживают.

Обучение моделей с узкими наборами данных приводит к предвзятым моделям, устаревшие данные приводят к нерелевантным результатам, а плохие данные просто приводят к плохим результатам ИИ. Следовательно, Данные являются первой домино в стратегии данных предприятия. Даже с лучшими людьми и передовыми технологиями, если домино данных падает, вся стратегия ИИ быстро рушится.

Как отмечается в отчете Gartner за 2024 год о лучших тенденциях в области данных и аналитики, организации, масштабирующиеся с ИИ, полагаются на данные, и лидеры, которые преуспеют, будут теми, кто устанавливает доверие к своим данным и руководит ими стратегически.

Ключевые стратегические решения по данным для вашей стратегии ИИ

Вот 5 ключевых факторов, которые вам и вашему предприятию необходимо учитывать при подготовке данных для стратегии ИИ:

1. Переиспользуйте свою ландшафт данных – Несколько предприятий не переиспользуют ландшафт управления данными, управления данными, хранения и аналитики данных для ИИ. Много данных, служащих критической отчетности и аналитике, также может быть критичным для ИИ. Поэтому важно начать с уже существующих данных в предприятии. Конечно, это требует дополнения правильными мерами качества данных.

Ключевой вопрос для рассмотрения – Какие данные у нас есть в нашем предприятии, и в каком состоянии они находятся?

2. Метаданные и линейность данных – Для существующих данных метаданные, т.е. данные о данных, могут быть столь же важными, если не более, для ИИ. Например, бизнес-термины, помеченные на данных, могут помочь определить соответствующий контекст для модели RAG, например. Когда пользователь запрашивает статус заявки в страховом предприятии, все данные, помеченные атрибутами заявки, могут быть использованы в качестве контекста для модели ИИ, чтобы ответить. Линейность данных также помогает понять поток данных, помогая моделям ИИ определить доверенные источники данных.

Согласно недавнему блогу ISASA, управление ИИ критически важно и требует правильных метаданных и линейности данных для масштабирования.

Ключевой вопрос для рассмотрения – Правильно ли наши данные помечены бизнес- и техническими метаданными? Собираем ли мы линейность данных, чтобы понять, как данные текут от начала до конца?

3. Управление данными и соблюдение нормативных требований – Обеспечьте, чтобы ваши данные были хорошо управляемы и контролируемы, и чтобы любые нормативные требования и правила конфиденциальности применялись к данным. Стратегия ИИ должна затем наследовать и расширять эти правила и нормативные требования, а не начинать с нуля. Например, если клиент хочет, чтобы его данные были анонимизированы в соответствии с правилами GDPR, модель ИИ должна быть обучена и работать на анонимизированном наборе данных.

Ключевой вопрос для рассмотрения – Есть ли у нас программа управления данными и соблюдения нормативных требований? Если нет, какие ключевые аспекты мне необходимо иметь в месте для моей стратегии ИИ?

4. Относитесь к мастер-данным как к вашему квотербеку ИИ – Критически важные мастер-данные, содержащие данные о ключевых сущностях в вашем предприятии, должны использоваться в качестве основы для вашей стратегии ИИ. Например, если существует полный обзор клиента, стратегия ИИ на любой клиентской области, такой как предсказание отказа клиента, должна использовать эти мастер-данные, чтобы избежать любых пропущенных или неполных данных. Конечно, это можно объединить с дополнительной информацией из конкретных источников данных.

Ключевой вопрос для рассмотрения – Имею ли я свои критически важные мастер-данные в полном и связанном с остальным ландшафтом данных?

5. Данные и их ценность – Данные не должны рассматриваться как центр затрат, а должны оцениваться в терминах их ценности, как для ИИ, так и для бизнеса. Это требует, чтобы данные были на уровне совета директоров и CXO, помимо ИИ.

Ключевой вопрос для рассмотрения – Понимают ли мой совет директоров и CXO ценность данных для организации? Если нет, как мы можем обеспечить, чтобы это было понято, особенно в контексте стратегии ИИ в предприятии?

Модели приходят и уходят, но данные остаются.

По мере эволюции вашей стратегии ИИ появляются новые модели и инновации ИИ. Скорость инноваций в этой области ошеломляющая. Но со временем модели ИИ станут коммодитизированными;真正ным дифференциатором в вашем предприятии не является модель, которую вы используете, а то, как она контекстуализируется с данными, которые ее обучают, настраивают и используют. Если вы разрабатываете стратегию ИИ, не начинайте с модели. Начните с вопроса: Имеем ли мы данные, чтобы поддержать ее?