Problém s umělou inteligencí: Nejste to vy, jsou to data

Data nejsou "novou ropou", se kterou je třeba zacházet jako s komoditou, která se jednou spálí, a je to.

Korporace nechávají miliardy na stole, protože nedokážou dát dohromady své datové zákony. Pokud mají uspět při dosahování hodnoty prostřednictvím iniciativ založených na datech, jako je umělá inteligence, musí lépe sladit a podporovat backendová data, která tyto systémy zásobují.

To je podstata nejnovějšího výzkumu, který vychází z průzkumu mezi 2 500 vedoucími pracovníky a který zveřejnil Infosys Knowledge Institute, a který odhaduje, že společnosti by mohly společně generovat více než 460 miliard dolarů přírůstkového zisku, pokud by lidé dokázali spravovat své datové zdroje o něco lépe. 

To spočívá ve zlepšení postupů v oblasti dat, větší důvěře v pokročilou umělou inteligenci a těsnější integraci umělé inteligence do obchodních operací. Obchodní hodnota je stále nepolapitelná. 

Průzkum identifikoval tři překážky efektivní implementace umělé inteligence: Nedostatek soudržné, centralizované datové strategie, slabé ověřování dat a nedostatek řádné infrastruktury. Většina společností nemá konzistentní strategii správy dat. 

Respondenti chtějí spravovat data centrálně, ale to není to, co většina z nich v současné době dělá. Analýza výsledků průzkumu "ukazuje, že centralizovaná správa dat je spojena s lepším růstem zisku a výnosů. 26 % respondentů má v současné době centralizovaný přístup; 49 % by chtělo, aby tento přístup přijal do příštího roku.

"Data nejsou nová ropa," zdůrazňují autoři studie Chad Watt a Jeff Kavanaugh, oba z Infosys Institute  . "Podniky si již nemohou dovolit považovat svá data za ropu, která se těží s velkým úsilím a má hodnotu pouze při rafinaci."

Data jsou dnes spíše jako měna: "Získávají hodnotu, když jsou v oběhu. Společnosti, které ve větší míře importují data a sdílejí svá vlastní data, dosahují lepších finančních výsledků a vykazují větší pokrok směrem k zavádění umělé inteligence v podnikovém měřítku - což je kritický cíl pro tři ze čtyř společností v průzkumu," říkají Watt a Kavanaugh.

Úspěch měny závisí na důvěře, a to platí i pro data. "Pokročilá umělá inteligence vyžaduje důvěru," uvádějí autoři. "Důvěřujte správě dat svých i ostatních a důvěřujte modelům umělé inteligence. Nedotčená data a dokonale naprogramované modely umělé inteligence neznamenají nic, pokud lidé nedůvěřují tomu, co data a umělá inteligence produkují, a nepoužívají je."  

Společnosti, které sdílejí data uvnitř i mimo svou organizaci, mají větší pravděpodobnost, že budou mít vyšší příjmy a lépe využívat umělou inteligenci, ukazuje průzkum. "Aktualizace dat blíže k reálnému času také koreluje se zvýšenými zisky a výnosy." 

Další analogií proti ropě, kterou autoři studie formulovali, je, že data se podobají spíše jaderné energii než fosilnímu palivu. "Data jsou obohacená o potenciál, vyžadují speciální zacházení a jsou nebezpečná, pokud ztratíte kontrolu. Data jednadvacátého století mají dlouhý poločas rozpadu. Kdy použít, if, kde použít a jak ji ovládat, je stejně důležité jako to, kam ji umístit."  

Většina podniků je v oblasti umělé inteligence nová, ukazuje průzkum. Více než 8 z 10 společností, 81 %, nasadilo svůj první skutečný systém umělé inteligence pouze v posledních čtyřech letech a 50 % v posledních dvou letech. Kromě toho 63 % modelů umělé inteligence funguje pouze se základní schopností a je řízeno lidmi. Často zaostávají v ověřování dat, datových postupech a datových strategiích. Pouze 26 % odborníků z praxe je velmi spokojeno se svými daty a nástroji umělé inteligence. "Navzdory zpěvu sirén umělé inteligence něco zjevně chybí," uvádějí autoři průzkumu.

Autoři průzkumu identifikovali vysoce výkonné společnosti, které mají tendenci se silně zaměřovat na tři oblasti:

• Transformují správu dat na sdílení dat.  "Společnosti, které přijmou ekonomiku sdílení dat, generují ze svých dat větší hodnotu," říkají Watt a Kavanaugh. "Hodnota dat roste, když se s nimi zachází jako s měnou a obíhají se prostřednictvím modelů správy dat hub-and-spoke. Společnosti, které obnovují data s nízkou latencí, generují větší zisk, výnosy a subjektivní měřítka hodnoty."
• Provedli přechod od dodržování předpisů v oblasti dat k důvěře v data.  "Společnosti velmi spokojené se svou umělou inteligencí (v současné době pouze 21 %) mají trvale důvěryhodné, etické a zodpovědné postupy v oblasti dat. Tyto předpoklady řeší problémy s ověřováním dat a zkreslením, budují důvěru a umožňují odborníkům používat hluboké učení a další pokročilé algoritmy."
• Do procesu umělé inteligence zapojují každého. "Rozšiřte tým umělé inteligence nad rámec datových vědců. Podniky, které aplikují datovou vědu na praktické požadavky, vytvářejí hodnotu. Na vedoucích pozicích v podnicích záleží stejně jako na datových vědcích. Dobré týmy umělé inteligence obvykle zahrnují více oborů. "Ověřování dat je spolu s infrastrukturou umělé inteligence a výpočetními zdroji největší výzvou pro další vývoj.