Предприятия борются с трудностями внедрения ИИ на фоне нехватки данных

Несколько лет назад в сфере бизнес-технологий господствовало громкое слово "Большие данные", обозначавшее массовое накопление информации организациями, которое обещало раскрыть новые операционные подходы и предложить оптимальные стратегические направления.

Сегодня становится все более очевидным, что проблемы, с которыми столкнулись компании при эффективном использовании Больших Данных, сохраняются, и именно появление новой технологии - ИИ - вновь актуализирует эти вопросы. Без решения фундаментальных проблем, с которыми столкнулись Большие Данные, внедрение ИИ будет обречено на провал.

Что же именно мешает ИИ реализовать свой потенциал?

Большинство препятствий исходит от самих ресурсов данных. Чтобы понять суть проблемы, рассмотрим различные источники информации, используемые в течение обычного рабочего дня.

На малых и средних предприятиях (SME):

• Электронные таблицы, сохраненные на ноутбуках пользователей, в Google Sheets или в облачном хранилище Office 365.
• Платформа управления взаимоотношениями с клиентами (CRM).
• Переписка по электронной почте между коллегами, клиентами и поставщиками.
• Документы Word, файлы PDF и онлайн-формы.
• Приложения для обмена мгновенными сообщениями.

На крупном предприятии:

• Все вышеперечисленные источники, плюс,
• Системы планирования ресурсов предприятия (ERP).
• Потоки данных в реальном времени.
• Озера данных.
• Отдельные базы данных, поддерживающие различные автономные приложения.

Важно отметить, что этот краткий список не является исчерпывающим и не претендует на это. Его цель - показать, что даже в пяти пунктах информация может быть разбросана примерно по дюжине мест. То, что требовалось от Больших Данных - и часто требуется до сих пор - и от чего также зависят инициативы в области ИИ, - это метод объединения этих разрозненных элементов, чтобы компьютерные алгоритмы могли эффективно их интерпретировать.

В "Цикле развития искусственного интеллекта до 2024 года", подготовленном компанией Gartner, готовые к ИИ данные располагаются на восходящем склоне, а до достижения "плато продуктивности" остается примерно два-пять лет. Учитывая, что системы искусственного интеллекта основаны на добыче и извлечении данных, большинство организаций, за исключением самых крупных, не имеют необходимой базовой инфраструктуры. В результате они не смогут воспользоваться поддержкой ИИ еще в течение одного-четырех лет.

Основная проблема внедрения ИИ аналогична той, которая мешала инициативам в области Больших Данных, когда они проходили цикл ажиотажа - от толчка инноваций, пика завышенных ожиданий, впадины разочарования, склона просветления до плато продуктивности. Данные существуют в различных форматах; они могут быть непоследовательными; они могут соответствовать различным стандартам; они могут быть неточными или предвзятыми; они могут содержать очень важную информацию или быть устаревшими и неактуальными.

Процесс преобразования данных, чтобы сделать их пригодными для ИИ, остается сегодня столь же важным, если не более важным, чем когда-либо прежде. Компании, стремящиеся получить преимущество на ранней стадии, могут поэкспериментировать с многочисленными платформами обработки данных. Следуя общим рекомендациям, они могут начать с ограниченных, дискретных проектов в качестве испытательных стендов для оценки эффективности развивающихся технологий.

Ключевое преимущество современных систем подготовки и сбора данных заключается в том, что они специально разработаны для организации информационных ресурсов организации для использования платформами ИИ, создающими добавленную стоимость. Например, они могут включать в себя тщательно продуманные защитные ограждения, которые помогают обеспечить соответствие данных требованиям и предотвратить доступ пользователей к необъективной или коммерчески важной информации.

Тем не менее создание целостных, безопасных и хорошо структурированных ресурсов данных по-прежнему остается актуальной задачей. Поскольку организации накапливают все больше данных в ходе повседневной деятельности, поддержание актуальных и доступных ресурсов данных требует постоянных усилий. В то время как большие данные часто рассматриваются как статичный актив, данные, предназначенные для использования ИИ, должны подготавливаться и обрабатываться в режиме, максимально приближенном к реальному времени.

Следовательно, организации должны найти тонкий трехсторонний баланс между возможностями, рисками и затратами. Выбор правильного поставщика или платформы как никогда важен для современного предприятия.

(Источник: "Inside the business school" by Darien and Neil is licensed under CC BY-NC 2.0.)

Хотите узнать больше об искусственном интеллекте и больших данных от ведущих экспертов отрасли? Посетите выставку AI & Big Data Expo в Амстердаме, Калифорнии и Лондоне. Это комплексное мероприятие является частью TechEx и проводится совместно с другими ведущими технологическими мероприятиями. Нажмите здесь для получения дополнительной информации.

Новости об искусственном интеллекте предоставляются компанией TechForge Media. Ознакомьтесь с другими предстоящими мероприятиями и вебинарами по корпоративным технологиям здесь.