Kluczowym problemem ograniczającym możliwość wdrażania AI w firmach okazuje się niska jakość architektury danych. Wskazuje na co wskazuje aż 78 proc. respondentów badania MIT Technology Review Insights.
Najciekawsze liczby przedstawione w podsumowaniu badania wskazują, że aż 95 proc. menedżerów zgosiło, że spotyka się z szeregiem wyzwań podczas wdrażania AI. Jedynie 22 proc. liderów biznesu czuje się „w pełni gotowych” do wdrażania AI, a 78 proc. przedsiębiorstw nie jest w stanie maksymalizować inwestycji w AI ze względu na niską jakość architektury danych.
Liderzy biznesu wiążą znaczące nadzieje z inwestycjami w sztuczną inteligencję (AI). Wiele o tym mówiono także na niedawnym Europejskim Forum Nowych Idei. To szansa dla nowych inicjatyw rynkowych i transformacji biznesu, niemniej wdrożenie tej technologii ma także pewne wymagania.
AI i zarządzanie danymi
Raport Data Strategies for AI Leaders przygotowany przez MIT Technology Review Insights w partnerstwie z firmą Snowflake, wskazuje, że aż 72 proc. respondentów wymienia wśród korzyści płynących z wdrożenia AI podniesienie efektywności i produktywności. 55 proc. liczy na zwiększenie pozycji konkurencyjnej, a 47 proc. dostrzega możliwość zwiększenia innowacyjności produktów i usług. W każdym ze wskazanych przypadków powodzenie strategii AI wynika z poprawy strategii zarządzania danymi w firmie.
Według raportu, tylko 22 proc. liderów biznesu przyznało, że są w pełni gotowi do zaangażowania się w projekty AI, podczas gdy 53 proc. wskazuje, że są w pewnym stopniu gotowi. Wyższa gotowość menedżerów koreluje z mniejszą liczbą wyzwań związanych z dostępem do skalowalnej mocy obliczeniowej, silosami danych i kwestiami integracji oraz zarządzaniem danymi.
Niezależnie od zaufania menedżerów do rezultatów generowanych przez AI, zdają sobie oni sprawę, że dane stanowią klucz do szybkiego i efektywnego uwolnienia wartości wynikającej z AI.
Skala innowacji
Kolejnym wyzwaniem, przed którym stoją organizacje, jest wdrażanie AI na dużą skalę. 95 proc. ankietowanych zgłosiło napotkanie przeszkód podczas implementacji tej technologii.
59 proc. respondentów wskazało zarządzanie danymi, bezpieczeństwo lub prywatność jako najczęstsze wyzwania. Na kolejnej pozycji była jakość i aktualność danych (53 proc.), a także koszty zasobów lub inwestycji (48 proc.). Decyzje dotyczące wydatków i zasobów, w tym te potrzebne do ulepszenia fundamentów danych, są wyzwaniem w przypadku każdej inwestycji technologicznej. Jednak koszt samej sztucznej inteligencji generatywnej maleje, ponieważ przedsiębiorstwa zaczęły tworzyć mniejsze modele językowe (LLM), które pozostają równie wydajne i tańsze.
– Wiele dzisiejszych organizacji ma wielkie ambicje związane z generatywną sztuczną inteligencją: chcą przekształcić sposób, w jaki działają i co sprzedają – podkreśla Baris Gultekin, szef obszaru AI w Snowflake. – Nasze wspólne badanie pokazuje, że w miarę jak organizacje odczuwają rosnącą presję na wdrażanie aplikacji AI, zdają sobie sprawę, że ich dane mogą pomóc w dostarczaniu wniosków z wcześniej niewykorzystanych źródeł informacji. Silna architektura danych stanowi trzon możliwości generatywnej AI. Liderzy biznesu muszą sprawnie adresować obawy, takie jak bezpieczeństwo danych, czy koszty i stworzyć takie środowisko danych, które sprosta obietnicom wynikającym z zastosowania AI.
Korzyści wynikające z zastosowania generatywnej AI są dostrzegane przez światowe firmy wraz z postępem rozwoju ich strategii danych. Inwestując w środowisko danych zyskują szereg korzyści wynikających z zastosowania AI. Dla każdego biznesu, który chce czerpać z możliwości AI, konieczne jest stworzenie takiego właśnie solidnego fundamentu w postaci danych. Obejmuje to szeroki zbiór procesów i zasobów zaangażowanych w ich gromadzenie, agregację, przechowywanie i udostępnianie.
Głównym płynącym stąd wnioskiem, jest więc stwierdzenie, że inwestycja w dane na poziomie organizacji/firmy umożliwia potężniejsze wykorzystanie mocy generatywnej AI i nie warto z tym czekać.
Badaniem zostało objętych 276 menedżerów wyższego szczebla na całym świecie.
