ការកើនឡើងនៃ Enterprise Intelligence កំពុងបង្កើនល្បឿន ហើយអ្នកដឹកនាំឧស្សាហកម្មកំពុងរាយការណ៍ពីប្រសិទ្ធភាពយ៉ាងខ្លាំងពី AI ។ ប៉ុន្តែអង្គការផ្សេងទៀតកំពុងជួបប្រទះបញ្ហាប្រឈមក្នុងការគ្រប់គ្រងទិន្នន័យ។ យោងតាម McKinsey ក្រុមហ៊ុន 70% កំពុងប្រឈមមុខនឹងបញ្ហាទិន្នន័យសំខាន់ៗដែលរារាំងភាពជោគជ័យរបស់ AI ហើយ Gartner ព្យាករណ៍ពីអត្រាបរាជ័យ 30% សម្រាប់គំនិតផ្តួចផ្តើម AI ទូទៅ។
ភាពខុសគ្នាដ៏សំខាន់មួយគឺការមានហេដ្ឋារចនាសម្ព័ន្ធត្រឹមត្រូវ និងក្រណាត់ទិន្នន័យដើម្បីគាំទ្រដល់តម្រូវការរួមនៃសហគ្រាស AI ។ វដ្តជីវិតទិន្នន័យ AI ចាប់ផ្តើមជាមួយនឹងការប្រមូលទិន្នន័យ និងផែនការរក្សាទុកទិន្នន័យដែលមានរយៈពេលជាច្រើនឆ្នាំ។ ថាតើប្រភពនៃទិន្នន័យគឺជាឧបករណ៍ IOT ឬជា Mainframe របស់ IBM នោះ នៅពេលដែលបានប្រមូលទិន្នន័យនោះ ត្រូវតែចាត់ថ្នាក់ជាមុនសិន ហើយបន្ទាប់មកត្រូវបានចាត់ថ្នាក់ជាលក្ខណៈពិសេស ឬរៀបចំសម្រាប់ការប្រើប្រាស់ មុនពេលដែលវាអាចត្រូវបានបញ្ជូនទៅកាន់ឃ្លាំងទិន្នន័យខាងក្រោម ឬកម្មវិធី AI ។ នៅពេលដែលទិន្នន័យឆ្លងកាត់ក្រណាត់ទិន្នន័យដ៏ស្មុគស្មាញនេះ សំណុំទិន្នន័យជារឿយៗឆ្លងកាត់ការបំប្លែងពហុម៉ូឌុលដែលអាចធ្វើទៅបានពីឯកសារ និងតារាងក្នុងទម្រង់មួយទៅជាលិបិក្រមវ៉ិចទ័រនៅក្នុងមួយផ្សេងទៀត ប៉ុន្តែនៅតែត្រូវរក្សាការគ្រប់គ្រង និងការគ្រប់គ្រងការអនុលោមតាមទិន្នន័យ។
ប្រធានប្រតិបត្តិ Solix លោក John Ottman ស្វែងយល់ពីបញ្ហាប្រឈម និងឱកាសនៃសហគ្រាស AI នៅក្នុងការពិនិត្យដំណោះស្រាយជាក់ស្តែងនេះ។
ទាញយកក្រដាសសនេះឥឡូវនេះ
អំពីអ្នកនិពន្ធ:
លោក John Ottman មានបទពិសោធន៍ជាង 30 ឆ្នាំជាមួយនឹងកម្មវិធីសហគ្រាស និងហេដ្ឋារចនាសម្ព័ន្ធពពក។ បច្ចុប្បន្នគាត់គឺជា ប្រធាននាយកប្រតិបត្តិ នៃ Solix Technologies, Inc និងជាសហស្ថាបនិក និងជាប្រធានក្រុមហ៊ុន Minds Inc.
