„Enterprise Intelligence“ spartėja, o pramonės lyderiai praneša apie dramatišką dirbtinio intelekto efektyvumo padidėjimą. Tačiau kitos organizacijos susiduria su duomenų valdymo iššūkiais. „McKinsey“ teigimu, 70 % įmonių susiduria su kritiniais duomenų iššūkiais, kurie trukdo dirbtinio intelekto sėkmei, o „Gartner“ prognozuoja 30 % generuojančių AI iniciatyvų nesėkmių procentą.
Vienas iš svarbiausių skirtumų yra tinkama infrastruktūra ir duomenų audinys, kuris atitiktų sudėtingus įmonės AI reikalavimus. AI duomenų gyvavimo ciklas prasideda nuo duomenų rinkimo ir duomenų saugojimo plano, apimančio metus. Nesvarbu, ar duomenų šaltinis yra IOT įrenginys, ar IBM pagrindinis kompiuteris, surinkti duomenys pirmiausia turi būti klasifikuojami, o tada pateikti arba kitaip paruošti naudoti, kad būtų galima perkelti į paskesnį duomenų saugyklą arba dirbtinio intelekto programą. Duomenims perduodant šį sudėtingą duomenų audinį, duomenų rinkiniai dažnai transformuojami įvairiais būdais, galbūt iš vieno formato failų ir lentelių į indekso vektorius kitame formate, tačiau vis tiek reikia išlaikyti duomenų valdymą ir atitikties kontrolę.
Solix vykdomasis pirmininkas Johnas Ottmanas nagrinėja įmonės AI iššūkius ir galimybes šioje praktinio sprendimo apžvalgoje.
Atsisiųskite šią baltąją knygą dabar
Apie Autorius:
Džonas Ottmanas turi daugiau nei 30 metų patirtį su verslo programomis ir debesų infrastruktūra. Šiuo metu jis yra Vykdomasis pirmininkas „Solix Technologies, Inc.“ ir „Minds Inc.“ įkūrėjas bei pirmininkas.
