Аналитики Gartner поделились на недавнем саммите Data & Analytics Summit своими соображениями о современных трендах в области данных и аналитики, сообщает портал BigDATAwire.
То, что движет крупные предприятия вперед — в области битовых данных и аналитики, да и в любой другой сфере, — не обязательно то, о чем все говорят. Хайп пронизывает наше общество, как никогда раньше, но компании с миллиардными оборотами, как правило, склонны скрывать свои карты от посторонних глаз. Вместо того чтобы с головой окунуться в новейшие разработки, они предпочитают тщательный анализ.
Благодаря тесным партнерским отношениям с крупными предприятиями Gartner, как правило, является выразителем рациональности, когда речь идет об инвестициях в ИТ. Ее знаменитая «кривая хайпа» отражает тот факт, что новые технологии часто «сгорают», не успев принести пользу, а другим требуются годы, чтобы стать зрелыми. Этому подходу не всегда сопутствуют громкие и смелые заголовки, но зато он позволяет добиться внимания людей, которые носят дорогие костюмы и контролируют кошельки.
Итак, что же, по мнению специалистов Gartner, происходит в мире данных и аналитики? В какие новые технологии или методы, по их мнению, компаниям следует инвестировать? Являются ли генеративный ИИ и ИИ-агенты оправданными инвестициями, или они тоже сойдут на нет? У Gartner есть мнение по этим вопросам.
Для начала давайте посмотрим на список девяти главных тенденций в области данных и аналитики, составленный вице-президентом Gartner по аналитике Гаретом Хершелом:
- Продукты данных с высокой степенью потребления.
- Решения для управления метаданными.
- Мультимодальная ткань данных.
- Синтетические данные.
- Агентная аналитика.
- Агенты ИИ.
- Малые языковые модели (SLM).
- Композитный ИИ.
- Платформы интеллектуального принятия решений.
В списке присутствуют некоторые технологии, вызывающие шумиху, а именно агентная аналитика, агенты ИИ и SLM. У этих областей определенно есть потенциал (например, посмотрите, что Alation и Immuta делают с агентным ИИ в области управления данными).
Но остальная часть списка довольно обыденна с точки зрения хайпа. Продукты данных, управление метаданными и ткань данных — это не обязательно самоцель, а скорее основополагающие компоненты, которые командам данных и аналитики (D&A) было бы неплохо создать, прежде чем пытаться создавать продукты аналитики и ИИ более высокого порядка. То же самое можно сказать и о платформах композитного ИИ и интеллектуального принятия решений, которые являются противоположностью тенденции «Давайте все переведем на ChatGPT», захватившей некоторые сегменты аналитики и ИИ в последние два года.
Каждая корпоративная среда отличается от другой — организации, работающие в сфере научных и технических вычислений, имеют дело с разными данными и предъявляют разные требования. Однако у крупных предприятий достаточно много общего, чтобы технический директор одной компании мог понять, как успех другой компании в построении прочных основ D&A может привести к их собственному успеху в этой области, что является неотъемлемой частью метода Gartner.
Борьба с трудностями в сфере D&A
Мы все подвержены «синдрому блестящего объекта», и генертивный ИИ (GenAI) определенно является последним блестящим объектом, который украл все наше внимание.
В любом случае, внедрение ИИ и аналитики — дело непростое, и то, как вы реагируете на вызовы, многое говорит о том, добьетесь ли вы в итоге успеха или потерпите неудачу. Вице-президент-аналитик Gartner Курт Шлегель дал несколько мудрых советов, в которых мало шумихи и много сути.
- Задача № 1: установить доверие. Предоставьте ключевым заинтересованным сторонам информацию о тенденциях в отрасли и технологиях — сосредоточьтесь на их влиянии, а не на шумихе.
- Задача № 2: продемонстрировать преимущества. Увяжите болевые точки и возможности данных с целями организации, выявив, что мешает принятию решений на основе данных, и определив их влияние на результаты бизнеса.
- Задача № 3: выработать подход, ориентированный на решения. Современная стратегическая архитектура данных и аналитики способствует повышению качества данных и управлению ими как источниками для получения инсайтов в реальном времени и принятия оперативных мер в рамках всех функций.
- Задача № 4: сосредоточиться не только на технологии. Подход, ориентированный на поиск решений, требует глубокого понимания проблемы и ее причины. Как только проблема будет понята, определите или создайте решение для ее устранения. Технологии быстро меняются, поэтому будьте открыты для новых возможностей.
- Задача № 5: распределите обязанности между бизнесом и ИТ. Создайте гибридную многоуровневую организационную модель и определите, где в ней находятся глобальный хаб и роль директора по данным и аналитике (CDAO). Сбалансируйте традиционные и новые роли и активно взаимодействуйте с доменными ролями.
GenAI и агенты
У Gartner есть защитное силовое поле против шумихи, которое в целом защищает ее аналитиков от искушения поддаться тенденции «Давайте все переведем на ChatGPT» в области D&A. Но люди в Gartner не глупы, и они признают, что GenAI обладает реальным потенциалом для повышения эффективности целого ряда D&A-задач.
По словам Сумита Агарвала, вице-президента-аналитика Gartner, в сфере GenAI доминируют большие языковые модели (LLM), но в будущем возможно распространение SLM. «С момента появления архитектуры трансформеров в 2017 г. наиболее значительные достижения в области обработки естественного языка были обусловлены увеличением размеров моделей и обучающих наборов данных с миллионов до триллионов параметров, что привело к экспоненциальному росту возможностей», — напоминает он.
Однако эта тенденция может не сохраниться. В частности, SLM могут обеспечить преимущества в локальных или частных облачных сценариях, где обрабатывается конфиденциальная информация. По словам Агарвала, SLM также имеют преимущества в плане настраиваемости модели, что приводит к повышению точности, устойчивости и надежности. Наконец, предприятия могут еще больше увеличить свои шансы в GenAI, внедряя свои «статические организационные знания» непосредственно в SLM, что может снизить затраты и повысить эффективность, говорит он.
Агентный ИИ стал последней горячей точкой в ИИ, вызывающей ажиотаж в сообществе D&A-специалистов, особенно в том, что касается автоматизации ручного управления данными и задач регулирования, как это делают компании Alation и Immuta. Бен Ян, директор-аналитик Gartner, рекомендует компаниям готовиться к внедрению агентного ИИ, прежде всего определив приложения, в которых агенты могут принести большую пользу. «Подготовьте команды разработчиков ПО к кардинально новой практике, в которой агенты ИИ имеют смысл», — говорит он.
Ян также предлагает предприятиям повысить грамотность в области ИИ, учитывая, что внедрение агентов ИИ «подразумевает более глубокое понимание композитных ИИ-методов», которые используют несколько методов ИИ, таких как традиционная наука о данных, машинное обучение, графы знаний и методы оптимизации. Наконец, люди должны подготовиться к следующему этапу развития ИИ-агентов, ознакомившись со «средами программного моделирования», говорит Ян.
«Турбонаддув» традиционных аналитических рабочих процессов — одна из областей, в которой GenAI может обеспечить повышение производительности. Рита Саллам, заслуженный вице-президент-аналитик Gartner, поделилась своими соображениями о том, какое влияние GenAI окажет на аналитику. По ее словам, для начала GenAI ускорит темпы ведения бизнеса, обеспечит более взаимосвязанную экосистему и создаст условия для непрерывного обучения и совершенствования. Задача состоит в том, чтобы использовать ИИ так, чтобы это приносило пользу бизнесу, и при этом справляться с рисками, связанными с расширяемостью и этикой ИИ.
«Перцептивная аналитика использует рассуждения на основе LLM и агентов ИИ для достижения проактивного, контекстного и ориентированного на результат принятия решений, — отмечает Саллам. — К 2027 г. возможности расширенной аналитики воплотятся в автономных аналитических платформах, которые будут полностью управлять и выполнять 20% бизнес-процессов».
