Enterprise Intelligence'i kasv kiireneb ja tööstuse juhid teatavad tehisintellektiga saavutatavast dramaatilisest tõhususe kasvust. Kuid teistel organisatsioonidel on andmehalduse probleeme. McKinsey andmetel seisavad 70% ettevõtetest silmitsi kriitiliste andmeprobleemidega, mis takistavad tehisintellekti edu, ja Gartner ennustab generatiivsete AI-algatuste ebaõnnestumise määra 30%.
Üks oluline erinevus seisneb õige infrastruktuuri ja andmestruktuuri olemasolus, et toetada ettevõtte tehisintellekti liitnõudeid. Tehisintellekti andmete elutsükkel algab andmete kogumisest ja andmete säilitamise plaanist, mis hõlmab aastaid. Olenemata sellest, kas andmete allikaks on IOT-seade või IBM-i suurarvuti, tuleb andmed pärast kogumist esmalt klassifitseerida ja seejärel esile tõsta või muul viisil kasutamiseks ette valmistada, enne kui neid saab konveier andmelattu või AI-rakendusse suunata. Kuna andmeid edastatakse selles keerulises andmestruktuuris, läbivad andmekogumid sageli multimodaalseid teisendusi, mis võivad olla ühes vormingus olevatest failidest ja tabelitest teise vormingu indeksivektoriteks, kuid siiski tuleb säilitada andmete haldamine ja vastavuskontrollid.
Solixi tegevjuht John Ottman uurib selles praktilises lahenduste ülevaates ettevõtte tehisintellekti väljakutseid ja võimalusi.
Laadige see valge raamat kohe alla
Teave Autor:
John Ottman omab üle 30-aastast kogemust ettevõtte rakenduste ja pilveinfrastruktuuriga. Praegu on ta Tegevjuht Solix Technologies, Inc. ning Minds Inc.-i kaasasutaja ja esimees.
