人工智能的采用–数据治理必须优先

发布时间: 2020-06-29 21:53:25 来源:

想象一下,如果可以的话。您刚刚购买了一辆新车,它是具有所有装饰的最新车型。所有这些额外功能使停车变得轻而易举,减少了排放,使旅途更加顺畅。从那时起,您几乎每天都在使用汽车。当引擎灯亮起时,您可以忽略它,也不要检查出喀哒声。

现在,假设您的组织采用了人工智能(AI)工具,但没有采用工具和程序来处理数据。新车和AI的采用可能相距遥远,但要使两者都发挥最佳功能,正确的程序和日常护理至关重要。

随着人工智能在整个行业的普及,对这场革命将带来的挑战和问题的理解也必须如此。在了解可能会出现差距的地方时,企业可以更好地直面这些差距并确保小问题不会成为更大的挑战。

人工智能时代

为了在当今的气候中生存,公司必须确保具备转化能力和能力。数字化转型可能已经成为流行语,但这是有充分理由的。它无处不在,因为它对现代企业的各个方面都很重要。要成为行业领导者,企业需要展现出适应文化和技术变化的能力,以适应其流程并改变业务模式。

人工智能和机器学习代表了这种转变。近年来,该技术的使用迅速增长。值得注意的是,大多数组织都在评估AI或在生产中使用AI。实际上,在我们最近关于企业采用AI的调查中,超过一半的受访者将AI技术确定为“成熟”用户-也就是说,他们正在使用AI进行分析和/或生产。只有15%的受访者表示他们根本没有使用AI。

毫不奇怪,在当前的AI采用趋势中,研发全盘占主导地位,紧随其后的是IT和客户服务中的应用。话虽如此,受访者引用了一个广泛的行业领域,其中公司的功能部件使用AI。总体而言,这表明公司越来越多地将AI和机器学习作为一种商业工具。

寻找盲点

在数字化转型的道路上将遇到障碍,尤其是对于不熟悉的实体。对于采用AI来说,最普遍的障碍是:公司文化不认识到对AI的需求,识别业务用例的困难,技能差距或雇用和留住员工的困难以及缺乏数据或数据质量问题。

面对如此广泛的挑战,值得研究其中的几个。首先,有趣的是,不兼容的公司文化主要影响那些处于AI评估阶段的公司。改写后,也许很明显–拥有“成熟的”人工智能实践的公司认为没有使用人工智能的可能性要低50%。相比之下,在AI尚未集成业务功能的公司中,抵制的可能性更大。

其次,人工智能采用者更容易遇到数据质量问题。通过与数据紧密合作并需要良好的数据实践,他们更有可能注意到何时出现错误和不一致之处。相反,处于AI采纳评估阶段的公司可能不知道任何数据问题的严重性。

然而,尽管数据质量问题被如此频繁地引用并在其通常出现的时间上有明确的模式,但与去年同期相比仍然是头等大事,这一事实表明,许多公司并未将数据治理视为优先事项。

利用资产

在我们调查的近1400名受访者中,只有五分之一以上的人表示他们已实施治理程序和/或工具来支持和补充其AI项目。因此,很明显,许多企业尚未开始采取措施来控制共同的风险因素,并嵌入了用于数据治理和调节的正式流程-任务被推迟的时间越长,任务就越艰巨。

那么,在这种情况下,AI“不成熟”很可能对企业有利。将近一半的公司确定处于采用AI和ML的早期阶段的好处是,引入或实施适当的治理和风险管理可能不会造成文化冲击,因此应该更容易采用。更好的消息是,超过四分之一的公司报告他们计划在2021年前引入正式的数据治理。

但是,问题仍然存在–为什么公司从一开始就不将数据治理构建到其AI项目中?像任何类型的业务治理一样,数据治理也应嵌入公司战略中。特别是近年来,随着许多公司采用数字业务模型,应该优化和支持数据管理。

数据是AI和数字化转型的驱动力。然而,我们一次又一次地看到,没有以反映其价值的方式来利用它。当然,这从来没有像我们想要的那么容易–数据治理和调节需要时间和资源。但是,必须从它将带来的好处来看:可观察性,可再现性,效率和透明度。

日常数据治理

随着AI日益成为业务运营不可或缺的一部分,企业必须相应地响应数据治理要求。对于处于采用AI初期阶段的公司,对挑战的意识可以使其尽早引入良好的数据实践。那些拥有更发达的AI程序的人必须自我反省并嵌入程序。对于任何使用或评估AI的组织来说,一件事是正确的:主动胜出。尽早解决问题具有重大影响。

随着企业数字化和公司将人工智能集成到业务模型中,对正确数据治理的需求将会增长。最佳实践将在操作模型中为其找到一个位置。

没有数据,人工智能就一无所有,没有数据治理就不可能有好的数据。为了与AI保持距离,企业必须创建允许可扩展性和成功的文化和实践。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如有侵权行为,请第一时间联系我们修改或删除,多谢。
Top