Ожидается, что к 2028 году расходы на искусственный интеллект в Европе достигнут 138 миллиардов долларов, а среднегодовой темп роста в ближайшие четыре года составит 30%. Однако, согласно недавнему исследованию, несмотря на то, что 88% предприятий внедряют ИИ, четверть респондентов заявили, что у них нет инфраструктуры данных, необходимой для эффективной работы ИИ, а 39% сообщили, что почти никто из их сотрудников в настоящее время его не использует.
Нет сомнений в том, что ИИ обладает огромным потенциалом, но для того, чтобы он был прибыльным и приносил ожидаемые результаты, организациям необходимо принимать правильные решения при его развертывании. Это означает четкое понимание того, где он действительно может помочь их бизнесу, и как быстро эта преобразующая технология может принести пользу.
Гонка ИИ набирает обороты, и сегодняшние трендовые варианты использования завтра могут устареть. Тем не менее, продуманный дизайн систем ИИ, независимо от области применения, имеет решающее значение для обеспечения справедливости и непредвзятости результатов. Организации должны иметь четкое представление о том, чего они хотят достичь с помощью ИИ, чтобы не упустить его преимущества или, наоборот, не нанести ущерб своей репутации и доверию клиентов.
Любой успешный проект ИИ должен поддерживать и укреплять основные бизнес-инициативы. Но Gartner прогнозирует, что 30% проектов Gen AI будут заброшены в 2025 году, причем «неясная ценность для бизнеса» будет названа ключевой причиной провала. Организациям следует сопоставлять свои цели в области ИИ с внутренними ключевыми бизнес-показателями. Это согласование жизненно важно для обеспечения прогресса проектов ИИ, демонстрации ценности для внутренних заинтересованных сторон и обеспечения дальнейшего финансирования для продолжения разработки.
Разрабатывая целостный подход, охватывающий людей, процессы и технологии, лидеры в области ИИ могут гарантировать, что данные активы поддерживают более широкие бизнес-цели и приносят реальную пользу.
После того, как цели и ценность ИИ установлены, организации должны знать, из каких данных ИИ получает информацию, а также убедиться в точности, согласованности и надежности этих данных. Хотя полнота данных сама по себе уже является проблемой, 55% руководителей, ответственных за данные, заявили, что они скорее согласятся на удаление зубного канала, чем попытаются получить доступ ко всем данным своей компании. Построение доверия к ИИ должно начинаться с тщательного понимания данных и возможности проверки источников на основе качества, доступа и хранения. Организации должны учитывать конфиденциальность данных, используемых ИИ, особенно когда речь идет о соблюдении региональных, отраслевых или корпоративных требований к данным во время внедрения. Если есть опасения по поводу того, как эти критически важные данные будут доступны и использоваться ИИ для получения аналитических сведений, организациям следует изменить свой подход, чтобы обеспечить строгое соблюдение конфиденциальности данных.
Разработка зрелой стратегии управления данными предприятия имеет ключевое значение для того, чтобы помочь ИИ достичь лучших бизнес-результатов, стимулировать рост доходов, сокращать расходы и повышать операционную эффективность.
Такие подходы, как фабрика данных (data fabric), озеро данных (lakehouse) и сетка данных (data mesh), можно рассматривать как ускорители и планы для лучшего знания и понимания самих данных, делая их доступными безопасным и соответствующим требованиям способом, что позволяет быстрее развертывать их в различных сценариях использования, будь то ИИ или что-то другое. Это позволит организациям решать сложные повседневные задачи, связанные с данными, в различных функциях. Самое главное, такой подход обеспечивает прослеживаемость данных, что поддерживает строгие политики безопасности и контроль доступа в различных средах, обеспечивая надежное управление.
Развивая глубокое понимание данных и поддерживая ИИ с помощью правильной архитектуры, те, кто хочет сделать скачок и перевести концепции ИИ в производство, могут настроить себя на успех. Тот же процесс обучения гарантирует, что и другие проекты, связанные с данными, например, расширенная аналитика, также принесут результаты. Но этот процесс сбора знаний должен быть первым шагом.
Закладка этого фундамента является ключом к реализации огромного потенциала проектов ИИ, что, в свою очередь, поможет обеспечить реальную ценность и рост для бизнеса.