אקлик®, חברה גלובלית בשילוב נתונים, איכות נתונים, אנליטיקה ובינה מלאכותית (ב"מ), מפרסם את התוצאות של מחקר חדש שנערך עם קבוצת האסטרטגיה של הארגון (ESG), מציג חיבור קריטי בין ההשקעה לביצוע של בינה מלאכותית
דו"ח המחקר של ESG, “מוכנות נתונים עבור בינה מלאכותית גנרטיבית עם השפעה, מגלה שהחברות פועלות בצורה אגרסיבית כדי להרחיב את ה-AI, אבל רבות אין להן תוכנית מסודרת לבניית בסיסי הנתונים הנדרשים להצלחה ארוכת טווח. בעוד ש-94% מגדילים את ההוצאות על מוצרים ושירותים כדי לאפשר את מוכנות הנתונים ל-AI, רק 21% הצליחו לשלב את הבינה המלאכותית בפעולותיהם. למרות שרוב הארגונים מכירים בכך שאיכות הנתונים היא קריטית, הממשלתיות, הציות וגילוי ההטיות ממשיכים להיות הפערים העיקריים, מונע מהחברות לנצל במלואו את הפוטנציאל של הבינה המלאכותית
"החברות רצות לאמץ בינה מלאכותית ומשקיעות חזק ללא אסטרטגיה מגובשת", אומר דרו קלארק, סגן נשיא ומנהל כללי של יחידת העסקים של נתונים ב-Qlik. "הבינה המלאכותית אינה פתרון זמני" — זו טרנספורמציה קבועה שדורשת מבנה, ממשלתיות ושקיפות. בלי תוכנית ברורה ובסיסי נתונים מוצקים, החברות מגדילות את הסיכונים שלהן במקום לייצר ערך.”
המחקר החדש של קוויק ו-ESG מדגיש חוסר התאמה חזק בין אימוץ בינה מלאכותית לבין האמצעים הנדרשים כדי להבטיח את הצלחתה
– אימוץ הבינה המלאכותית מתגבר, אבל הרבה חברות אין להן אסטרטגיה ברורה ליישום94% מהארגונים מגדילים את ההוצאות על מוצרים ושירותים שמאפשרים את מוכנות הנתונים ל-IA, אך רק 21% שילבו אותה לחלוטין בפעולותיהם
– החברות אוספות יותר נתונים, אבל יש להם קשיים להפוך אותם לשימושיים עבור בינה מלאכותית64% מהארגונים אוספים נתונים מ-100 עד 499 מקורות מדי יום, מדגיש את גודל המורכבות של הנתונים
– היעילות התפעולית היא המדד העיקרי, אבל ההשפעה הכוללת של הבינה המלאכותית נשארת לא ברורה57% מודדים את הצלחת ה-AI על בסיס היעילות התפעולית, בעוד שמספר קטן מלווה את ההשפעה האסטרטגית שלו על העסקים
– חסרונות בהטיה, ממשלתיות וציות מייצרות סיכונים משמעותיים48% מהארגונים מנסים להתמודד עם הטיות ב-AI באמצעות שקיפות בהחלטות הקשורות למודלים ולמקורות נתונים
– איכות הנתונים היא בסיסית, אבל הממשלתיות ממשיכה להיות אתגררק 47% מסכימים באופן חזק שהמדיניות שלהם בתחום הממשלתיות מיועדת ליישום בצורה עקבית, מבליט פערים בפיקוח ובציות
"הבינה המלאכותית אינה בעיה של טכנולוגיה" — זהו בעיית ביצוע, אומר סטפן קאטנזנו, אנליסט בכיר של ESG. ארגונים מכל התחומים נעים במהירות כדי להרחיב את ה-AI, אבל, בלי אמצעי זהירות מתאימים, נמצאים בסיכון לסבול מהשלכות רגולטוריות, פיננסיות ומוניטין. אם כי הם מכירים בחשיבות של איכות הנתונים, הרוב עדיין אין להם את הממשל הנדרש כדי להבטיח שהמודלים של בינה מלאכותית יהיו בטוחים ולא משוחדים. הפער הזה בביצוע מסביר מדוע tantos פרויקטים של בינה מלאכותית נעצרים או לא מצליחים לספק החזר על השקעה מוחשי.”
הדוח של קוויק ו-ESGמוכנות ל-AIמזהה את האתגרים הדחופים ביותר בביצוע בינה מלאכותית ומספק אסטרטגיות להבטחת הצלחה לטווח ארוך. כדי לקבל תובנות עמוקות יותר והמלצות ממומחים, גשו לאי-בוק כאןhttps://www.qlik.com/us/resource-library/data-מוכנות להשפעהבינה מלאכותית גנרטיבית
