Az Enterprise Intelligence térnyerése felgyorsul, és az iparág vezetői a mesterséges intelligencia drámai hatékonyságnövekedéséről számolnak be. Más szervezetek azonban adatkezelési kihívásokkal küzdenek. A McKinsey szerint a vállalatok 70%-a olyan kritikus adatszolgáltatási kihívásokkal néz szembe, amelyek megakadályozzák az AI sikerét, a Gartner pedig 30%-os meghibásodási arányt jósol a generatív mesterségesintelligencia-kezdeményezéseknél.
Az egyik kritikus különbség a vállalati mesterséges intelligencia összetett követelményeinek támogatásához megfelelő infrastruktúra és adathálózat megléte. A mesterséges intelligencia adatéletciklusa adatgyűjtéssel és évekre kiterjedő adatmegőrzési tervvel kezdődik. Függetlenül attól, hogy az adatok forrása egy IOT-eszköz vagy egy IBM nagyszámítógép, az összegyűjtést követően az adatokat először osztályozni kell, majd jellemzőkkel kell ellátni, vagy más módon fel kell készíteni a használatra, mielőtt továbbküldhetők egy későbbi adattárházba vagy mesterséges intelligencia-alkalmazásba. Amint az adatok továbbításra kerülnek ezen az összetett adatszerkezeten, az adatkészletek gyakran multimodális átalakuláson mennek keresztül, esetleg az egyik formátumú fájlokból és táblázatokból egy másik formátumú indexvektorokká, de az adatkezelést és a megfelelőségi ellenőrzéseket továbbra is fenn kell tartani.
A Solix ügyvezető elnöke, John Ottman a vállalati mesterséges intelligencia kihívásait és lehetőségeit vizsgálja ebben a gyakorlati megoldási áttekintésben.
Töltse le most ezt a tanulmányt
A szerzőről:
John Ottman több mint 30 éves tapasztalattal rendelkezik a vállalati alkalmazások és a felhő infrastruktúra terén. Jelenleg ő a Ügyvezető elnöke a Solix Technologies, Inc. társaság tagja, valamint a Minds Inc. társalapítója és elnöke.
