Специалисты в области технологий и лидеры отрасли бьют тревогу: данные организаций могут быть не готовы к поддержке растущих амбиций в области искусственного интеллекта, пишет на портале ZDNet независимый аналитик Джо Маккендрик.

Нехватка навыков, сдерживающая прогресс в области ИИ, хорошо задокументирована, но есть еще один важный фактор: сложность данных. Согласно новому исследованию IBM, двумя главными препятствиями на пути к успеху ИИ являются ограниченность навыков и опыта в области ИИ (на это указали 33% респондентов), а затем слишком большая сложность данных (25%).

Согласно опросу 8584 ИТ-специалистов, большинство компаний (58%) внедряют ИИ не активно. Самыми большими препятствиями для внедрения генеративного ИИ в компаниях, пока не использующих ИИ, являются конфиденциальность данных (57%), а также доверие и прозрачность (43%).

Среди компаний, уже внедряющих ИИ, основные барьеры часто связаны с данными, при этом некоторые организации предпринимают шаги по созданию заслуживающего доверия ИИ, такие как отслеживание происхождения данных (37%) и снижение предвзятости (27%). Около четверти компаний (24%) стремятся развивать свои возможности в области бизнес-аналитики, которые зависят от последовательных и качественных данных.

Однако некоторые лидеры отрасли бьют тревогу: данные организации могут быть не готовы к поддержке растущих амбиций ИИ. «Чтобы оставаться конкурентоспособными, CIO и технологические лидеры должны адаптировать свои стратегии работы с данными по мере интеграции ИИ в свои технологические стеки, — говорит Мэтт Лабович, руководитель направления данных, аналитики и ИИ компании PwC в США. — Это предполагает понимание данных и подготовку к трансформационному воздействию новых технологий».

Специалисты в области технологий и их организации должны решить вопросы «безопасности данных, этики принятия решений с помощью ИИ и грамотности в области ИИ, — говорит Шипра Шарма, руководитель отдела ИИ и аналитики компании Bristlecone. — В условиях ограниченного образования в области ИИ из-за новизны этой технологии многим людям приходится самостоятельно разбираться в том, как ее использовать».

По ее словам, активное взаимодействие с технологией «с целью обучения сотрудников и внедрения соответствующих мер предосторожности позволит организациям реализовать преимущества генеративного ИИ для управления данными при одновременном снижении рисков. При наличии таких протоколов расширенные возможности работы с данными дадут организациям заметное преимущество в способности масштабировать свою деятельность».

По словам Лабовича, компании, желающие добиться прогресса в области ИИ, должны «найти баланс и признать значительную роль неструктурированных данных в развитии генеративного ИИ».

Шарма согласна с этим мнением: «Не обязательно, что организации должны использовать генеративный ИИ на структурированных данных для решения очень сложных задач. Зачастую самые простые приложения могут привести к наибольшим достижениям с точки зрения эффективности».

Широкий спектр данных, которые требуются ИИ, может стать сложной частью головоломки. Например, периферийные данные становятся основным источником для больших языковых моделей и хранилищ. По словам Брюса Корнфельда, директора по маркетингу и продуктам компании StorMagic, «по мере того как ИИ будет развиваться, а организации будут продолжать внедрять инновации в области цифровой трансформации для увеличения доходов и прибыли, будет наблюдаться значительный рост объема периферийных данных».

Он отмечает, что в настоящее время «данных слишком много и они в разных форматах, что приводит к внутренним конфликтам, поскольку компании пытаются определить, что является критически важным для бизнеса, а что можно архивировать или удалить из своих наборов данных».

Корнфельд считает, что компаниям необходимо «определить подходы и решения, которые позволят экономически эффективно отфильтровать шум и ненужную информацию, хранящуюся в памяти, чтобы освободить место для важной».

По словам Осмара Оливо, вице-президента по управлению продуктами компании Inrupt, соучредителем которой является создатель Всемирной паутины Тим Бернерс-Ли, обучающие данные поступают из различных источников, включая как публичные ресурсы, так и интеллектуальную собственность организации.

Многие организации часто стоят перед выбором «между конкурентным преимуществом, которое компании могут получить, используя ИИ, и защитой своих самых конфиденциальных данных, — говорит он. — Однако это не обязательно должен быть бинарный выбор. Я ожидаю, что в 2024 г. появятся инновационные решения для управления данными и обеспечения конфиденциальности данных, особенно с акцентом на защиту данных, которые используются моделями ИИ».

По словам Ракеша Джаяпракаша, главного аналитика ManageEngine, подразделения Zoho Corp, занимающегося управлением ИТ, для успешного внедрения ИИ в корпоративные и внутренние ИТ-процессы очень важно использовать подход, основанный на данных, а также надежное централизованное хранилище данных: «Это связано с тщательной фиксацией каждого события и процесса организации и выявлением ценных закономерностей с помощью алгоритмов машинного обучения».

Тем не менее, «хотя будущее обещает функции с генеративным ИИ в основе, мы еще не скоро увидим, как эти возможности воплотятся в ощутимые преимущества для пользователей, — добавляет он. — В свете этого компании должны проявлять осмотрительность при инвестировании значительных ресурсов в привлекающие внимание функции, которые могут не принести долгосрочной выгоды». По его мнению, возможности ИИ должны быть «органично вплетены в ткань платформы».

По словам Лабовича, пока организации разрабатывают стратегии работы с данными с учетом развития ИИ, есть несколько шагов, которые не вызовут сожалений и которые каждый может предпринять, чтобы подготовиться к неизбежным изменениям, вызванным появлением новых технологий.

«Организации могут оптимизировать работу и внести краткосрочные улучшения, например, использовать ИИ для создания важной операционной и финансовой документации, внешних коммуникаций с клиентами и маркетинга, а также для обмена знаниями с ключевыми сотрудниками организации. Эти меры могут принести такие выгоды, как повышение производительности и экономия средств, и все это одновременно с реализацией более масштабных инициатив в области данных и технологий», — говорит он.