Vzpon podjetniške inteligence se pospešuje in vodilni v industriji poročajo o dramatičnem povečanju učinkovitosti zaradi umetne inteligence. Toda druge organizacije se soočajo z izzivi upravljanja podatkov. Po podatkih McKinseyja se 70 % podjetij sooča s kritičnimi podatkovnimi izzivi, ki preprečujejo uspeh AI, Gartner pa napoveduje 30-odstotno stopnjo neuspeha za generativne pobude AI.
Ena kritična razlika je v tem, da imate pravo infrastrukturo in podatkovno strukturo, ki podpira sestavljene zahteve umetne inteligence podjetja. Življenjski cikel podatkov AI se začne z zbiranjem podatkov in načrtom hrambe podatkov, ki traja več let. Ne glede na to, ali je vir podatkov naprava IOT ali IBM-ov glavni računalnik, je treba podatke, ko so zbrani, najprej klasificirati in nato predstaviti ali drugače pripraviti za uporabo, preden jih je mogoče cevovodno usmeriti v spodnje skladišče podatkov ali aplikacijo AI. Ko podatki prehajajo skozi to zapleteno podatkovno strukturo, so nabori podatkov pogosto podvrženi večmodalnim transformacijam, po možnosti iz datotek in tabel v enem formatu v indeksne vektorje v drugem, vendar je kljub temu treba ohraniti upravljanje podatkov in nadzor skladnosti.
Izvršni predsednik Solixa John Ottman raziskuje izzive in priložnosti umetne inteligence v podjetju v tem pregledu praktičnih rešitev.
Prenesite to belo knjigo zdaj
O Avtor:
John Ottman ima več kot 30 let izkušenj s poslovnimi aplikacijami in infrastrukturo v oblaku. Trenutno je Izvršni predsednik družbe Solix Technologies, Inc. ter soustanovitelj in predsednik družbe Minds Inc.
