Per decenni, le aziende di tutte le dimensioni hanno riconosciuto che i dati disponibili hanno un valore significativo, per migliorare le esperienze degli utenti e dei clienti e per lo sviluppo di piani strategici basati su prove empiriche.
Man mano che l'IA diventa sempre più accessibile e pratica per le applicazioni aziendali del mondo reale, il potenziale valore dei dati disponibile è cresciuto esponenzialmente. L'adozione con successo AI richiede uno sforzo significativo nella raccolta dei dati, nella cura e nella preelaborazione. Inoltre, aspetti importanti come la governance dei dati, la privacy, l'anonimizzazione, la conformità normativa e la sicurezza devono essere affrontati attentamente fin dall'inizio.
In una conversazione con Henrique Lemes, leader della piattaforma dati delle Americhe presso IBM, abbiamo esplorato le sfide che le imprese affrontano nell'implementazione dell'IA pratica in una serie di casi d'uso. Abbiamo iniziato esaminando la natura dei dati stessi, i suoi vari tipi e il suo ruolo nel consentire applicazioni efficaci alimentate dall'intelligenza artificiale.
Henrique ha sottolineato che riferirsi a tutte le informazioni aziendali semplicemente come “dati” sottovaluta la sua complessità. La moderna impresa naviga in un paesaggio frammentato di diversi tipi di dati e qualità incoerente, in particolare tra fonti strutturate e non strutturate.
In termini semplici, i dati strutturati si riferiscono alle informazioni organizzate in un formato standardizzato e facilmente ricercabile, che consente un'elaborazione e un'analisi efficienti da parte dei sistemi software.
I dati non strutturati sono informazioni che non seguono un formato predefinito né un modello organizzativo, rendendo più complesso il processo e l'analizzazione. A differenza dei dati strutturati, include diversi formati come e -mail, post sui social media, video, immagini, documenti e file audio. Sebbene manca la chiara organizzazione di dati strutturati, i dati non strutturati contiene preziose informazioni che, se gestite efficacemente attraverso analisi avanzate e AI, possono guidare l'innovazione e informare le decisioni strategiche aziendali.
Henrique ha dichiarato: “Attualmente, meno dell'1% dei dati aziendali è utilizzato dall'intelligenza artificiale generativa e oltre il 90% di tali dati non è strutturato, il che influisce direttamente sulla fiducia e sulla qualità”.
L'elemento di fiducia in termini di dati è importante. I decisori in un'organizzazione hanno bisogno di una solida convinzione (trust) che le informazioni a portata di mano siano complete, affidabili e correttamente ottenute. Ma ci sono prove che gli stati meno della metà dei dati disponibili per le aziende vengono utilizzati per l'IA, con dati non strutturati che spesso vanno ignorati o messi da parte a causa della complessità di elaborarli ed esaminarli per la conformità, specialmente su vasta scala.
Per aprire il modo per decisioni migliori basate su una serie più completa di dati empirici, il gocciolamento delle informazioni facilmente consumate deve essere trasformato in un fuoco. L'ingestione automatizzata è la risposta a questo proposito, ha affermato Henrique, ma le regole di governance e le politiche dei dati devono ancora essere applicate, a dati non strutturati e strutturati.
Henrique ha stabilito i tre processi che consentono alle imprese di sfruttare il valore intrinseco dei loro dati. “In primo luogo, ingestione su larga scala. È importante automatizzare questo processo. Secondo, curazione e governance dei dati. E il terzo (è quando) lo rendi disponibile per l'intelligenza artificiale generativa. Otteniamo oltre il 40% del ROI rispetto a qualsiasi caso di utilizzo di Rag convenzionale.”
IBM fornisce una strategia unificata, radicata in una profonda comprensione del viaggio AI dell'Enterprise, combinata con soluzioni software avanzate e competenza di dominio. Ciò consente alle organizzazioni di trasformare in modo efficiente e sicuro i dati strutturati e non strutturati in attività pronte per l'IA, tutti all'interno dei confini delle strutture di governance e conformità esistenti.
“Riunciamo le persone, i processi e gli strumenti. Non è intrinsecamente semplice, ma lo semplifichiamo allineando tutte le risorse essenziali”, ha detto.
Man mano che le aziende si ridimensionano e si trasformano, aumentano la diversità e il volume dei loro dati. Per tenere il passo, il processo di ingestione dei dati AI deve essere sia scalabile che flessibile.
“(Le aziende) incontrano difficoltà quando si ridimensionano perché le loro soluzioni di intelligenza artificiale sono state inizialmente costruite per compiti specifici. Quando tentano di ampliare il loro ambito, spesso non sono pronte, le condutture di dati diventano più complesse e la gestione di dati non strutturati diventa essenziale. Ciò guida una maggiore domanda di un'efficace governance dei dati”, ha detto.
L'approccio di IBM è comprendere a fondo il viaggio di AI di ogni cliente, creando una chiara tabella di marcia per raggiungere il ROI attraverso un'efficace implementazione dell'intelligenza artificiale. “Diamo la priorità all'accuratezza dei dati, sia strutturata che non strutturata, insieme all'ingestione di dati, al lignaggio, alla governance, al rispetto delle normative specifiche del settore e all'osservabilità necessaria. Queste capacità consentono ai nostri clienti di scalare attraverso più casi d'uso e capitalizzare pienamente il valore dei loro dati”, ha affermato Henrique.
Come qualsiasi cosa utile nell'implementazione della tecnologia, ci vuole tempo per mettere in atto i processi giusti, gravitare sugli strumenti giusti e avere la visione necessaria di come potrebbe essere necessario evolversi qualsiasi soluzione di dati.
IBM offre alle aziende una serie di opzioni e strumenti per consentire carichi di lavoro di intelligenza artificiale anche nelle industrie più regolamentate, su qualsiasi scala. Con le banche internazionali, le case finanziarie e le multinazionali globali tra il suo elenco di clienti, ci sono pochi sostituti di Big Blue in questo contesto.
Per saperne di più sull'abilitazione di condutture di dati per l'IA che guidano le attività e offrono ROI rapidi e significativi, Vai a questa pagina.
Fonte: www.artificialintelligence-news.com
