Enterprise Intelligence-ի աճը արագանում է, և ոլորտի առաջնորդները զեկուցում են AI-ի արդյունավետության կտրուկ ձեռքբերումների մասին: Սակայն այլ կազմակերպություններ ունեն տվյալների կառավարման մարտահրավերներ: Ըստ McKinsey-ի, ընկերությունների 70%-ը բախվում է տվյալների կարևոր մարտահրավերներին, որոնք կանխում են AI-ի հաջողությունը, իսկ Gartner-ը կանխատեսում է 30% ձախողման մակարդակ գեներատիվ AI նախաձեռնությունների համար:
Կարևոր տարբերակիչներից մեկն այն է, որ ունենան համապատասխան ենթակառուցվածք և տվյալների կառուցվածք՝ ձեռնարկության AI-ի բարդ պահանջներին աջակցելու համար: AI տվյալների կյանքի ցիկլը սկսվում է տվյալների հավաքագրմամբ և տվյալների պահպանման պլանով, որն ընդգրկում է տարիներ: Անկախ նրանից, թե տվյալների աղբյուրը IOT սարքն է, թե IBM հիմնական սարքը, հավաքագրվելուց հետո տվյալները պետք է նախ դասակարգվեն, այնուհետև հատկացվեն կամ այլ կերպ պատրաստվեն օգտագործման համար, նախքան դրանք փոխանցվեն դեպի ներքևի տվյալների պահեստ կամ AI հավելված: Քանի որ տվյալները փոխանցում են տվյալների այս բարդ կառուցվածքը, տվյալների հավաքածուները հաճախ ենթարկվում են բազմամոդալ փոխակերպումների՝ հնարավոր է մի ձևաչափով ֆայլերից և աղյուսակներից մինչև մեկ այլ ձևաչափով ինդեքսավորող վեկտորներ, բայց այնուամենայնիվ տվյալների կառավարման և համապատասխանության վերահսկումը պետք է պահպանվի:
Solix-ի գործադիր նախագահ Ջոն Օթմանը ուսումնասիրում է ձեռնարկության AI-ի մարտահրավերներն ու հնարավորությունները այս գործնական լուծումների վերանայման մեջ:
Ներբեռնեք այս սպիտակ թուղթը հիմա
Մասին Հեղինակ:
Ջոն Օթման ունի ավելի քան 30 տարվա փորձ ձեռնարկությունների հավելվածների և ամպային ենթակառուցվածքների հետ: Նա ներկայումս հանդիսանում է Գործադիր նախագահ Solix Technologies, Inc.-ի և Minds Inc.-ի համահիմնադիր և նախագահ:
