AI Gold Rush – 조종사 및 실험에서 엔터프라이즈 규모 및 전략에 이르기까지
무어의 법칙 AI와 관련하여 잘하고 진정으로 놀랍습니다. AI는 수요가 많으며 모든 기업은 AI를 채택하고 있습니다. 혁신은 또한 새로운 AI 모델, AI 에이전트 및 새로운 기술을 통해이 수요를 불러 일으키는 데 도움이되고 있습니다. 이는 기업의 근본적인 변화를 일으키고 있습니다. 조종사의 무대와 멋진 실험과 AI의 쇼케이스, 특히 생성 AI가 크게 희미 해집니다. 기업은 AI가 진정한 비즈니스 차별화를 확장하고 생성하기위한 엔터프라이즈 전략의 일부로 포함되어야한다는 것을 깨닫고 있습니다. AI는 대부분의 회의실에서 주제로 전략적 혁신과 예산을 초래합니다.
데이터 : AI 전략의 첫 번째 도미노
모든 AI 전략의 주요 고려 사항은 데이터입니다. 데이터는 AI 모델이 상황에 맞고 지능적이며 도메인 및 엔터프라이즈 별이 되려면 중요합니다. AI 모델은 모델이 조정되는 방식과 입력을 제시 한 결과를 기반으로 결과를 예측합니다. 이 두 가지 모두 데이터의 품질, 다양성, 기대 및 구조에 따라 다릅니다.
최근에 따르면 IDC 예측AI는 2030 년까지 거의 20 조 달러의 세계 경제를 늘릴 것으로 예상되며, 모델뿐만 아니라이를 연료로하는 기본 데이터 및 인프라에 대한 대규모 투자에 의해 주도 될 것으로 예상됩니다.
서브 세트가 좁은 교육 데이터는 편향된 모델로 이어지고 구식 데이터는 관련이없는 결과로 이어지고 데이터가 열악한 데이터는 AI 결과가 좋지 않습니다. 따라서 데이터는 기업의 데이터 전략에서 최초의 도미노입니다. 최고의 사람들과 최첨단 기술로도 데이터 도미노가 떨어지면 전체 AI 전략이 빠르게 떨어집니다.
처럼 가트너의 2024 최상위 데이터 및 분석 동향에 대한 보고서, AI에 따라 규모로 규모로 규모로 의존하는 조직, 성공한 리더는 데이터에 대한 신뢰를 확립하고 전략적으로이를 이끌어냅니다..
AI 전략에 대한 주요 전략 데이터 결정
다음은 AI 전략에 대한 데이터를 준비하는 데 필요한 5 가지 주요 고려 사항입니다.
1. 데이터 환경을 재사용하십시오 – 여러 기업은 AI의 데이터 관리, 데이터 거버넌스 및 데이터 저장 및 분석 환경을 재사용하지 않습니다. 중요한보고 및 분석을 제공하는 많은 데이터도 AI에 중요 할 수 있습니다. 따라서 기업에 이미 존재하는 데이터 자산부터 시작하는 것이 중요합니다. 물론 이것은 올바른 데이터 품질 측정으로 보강되어야합니다.
묻는 주요 질문 – 우리는 기업에 어떤 데이터를 가지고 있으며, 어떤 조건이 있습니까?
2. 메타 데이터 및 데이터 계보 – 데이터에 대한 데이터의 경우, 메타 데이터, 즉 데이터에 대한 데이터는 AI에 대해서는 그렇지 않더라도 중요 할 수 있습니다. 예를 들어, 데이터에 태그가 지정된 비즈니스 용어는 예를 들어 RAG 모델의 관련 컨텍스트를 식별하는 데 도움이 될 수 있습니다. 사용자가 보험 기업에서 청구 상태를 요청하면 클레임 상태로 표시된 모든 데이터 속성을 AI 모델이 응답 할 컨텍스트로 사용할 수 있습니다. 데이터 계보는 또한 데이터 흐름을 이해하여 AI 모델이 신뢰할 수있는 데이터 소스를 식별 할 수 있도록 도와줍니다.
a 최근은 블로그입니다AI 거버넌스는 중요하며 올바른 메타 데이터 및 데이터 계보가 필요합니다.
묻는 주요 질문 – 우리의 데이터는 비즈니스 및 기술 메타 데이터로 올바르게 태그를 지정합니까? 데이터가 끝나는 방법을 이해하기 위해 데이터 계보를 수집합니까?
3. 데이터 거버넌스 및 규정 준수 – 데이터가 잘 관리되고 관리되고 규정 준수 및 개인 정보 규정이 데이터에 적용되는지 확인하십시오. AI 전략은 처음부터 시작하는 것보다 이러한 거버넌스와 규정을 물려 받고 확장해야합니다. 예를 들어, 고객이 GDPR 규정에 따라 데이터가 익명화되기를 원하는 경우 AI 모델은 익명화 된 데이터 세트에서 교육을 받고 운영해야합니다.
묻는 주요 질문 – 데이터 거버넌스 및 규정 준수 프로그램이 있습니까? 그렇지 않다면 AI 전략을 위해 제자리에 필요한 주요 측면은 무엇입니까?
4. 마스터 데이터를 AI 쿼터백으로 처리하십시오 – 기업의 주요 엔티티에 대한 데이터가 포함 된 Critical Master Data는 AI 전략의 기반으로 사용해야합니다. 예를 들어, 고객의 360도보기가 존재하는 경우, 고객 휘젓기 예측과 같은 고객 도메인의 AI 전략은이 마스터 데이터를 활용하여 데이터가 누락되거나 불완전하지 않도록해야합니다. 물론 이것은 특정 데이터 소스의 자세한 정보와 결합 할 수 있습니다.
묻는 주요 질문 – Critical Master Data Domains가 완전하고 나머지 데이터 환경에 연결되어 있습니까?
5. 데이터와 그 가치 – 데이터는 비용 센터로 취급되어서는 안되며 AI와 비즈니스에 대한 가치 측면에서 측정해야합니다. 이를 위해서는 AI 외에도 데이터와 CXO 주제가 필요합니다.
묻는 주요 질문 – 내 이사회와 CXO가 조직에 대한 데이터의 가치를 이해합니까? 그렇지 않다면, 특히 기업의 AI 전략의 맥락에서 이것이 이해되도록하려면 어떻게해야합니까?
모델은왔다 갔다하지만 데이터는 지속됩니다.
AI 전략이 발전함에 따라 새로운 모델과 AI 혁신이 등장 할 것입니다. 이 공간에서 혁신의 속도는 마음이 어둡습니다. 그러나 시간이 지남에 따라 AI 모델은 상품화 될 것입니다. 엔터프라이즈의 진정한 차별화 요소는 사용하는 모델이 아니라 교육, 미세 조정 및 작업에 대한 데이터가 맥락화되는 방법입니다.
AI 전략을 제작하는 경우 모델로 시작하지 마십시오. 질문으로 시작하십시오 : 우리는 그것을 지원할 데이터가 있습니까?
게시물 데이터가 AI 전략의 이름이없는 영웅 인 이유 먼저 나타났습니다 Unite.ai.
