Los gerentes de negocios pueden estar convencidos de que sus datos comerciales están listos para la IA, pero no es en absoluto el punto de vista de los equipos de TI que a menudo pasan horas cada día poniendo en forma estos datos. Casi nueve de cada 10 líderes empresariales entrevistados en una encuesta reciente de Capital One sobre el estado de preparación de la IA, afirman que sus ecosistemas de datos comerciales están listos para el despliegue de sistemas de IA a gran escala. Un punto de vista de salida total con el de los equipos de computadora. El 84 % de los científicos informáticos, los científicos de datos, los arquitectos de datos y los analistas de datos entrevistados pasan al menos una hora al día resolviendo datos relacionados con datos, en lugar de trabajar en la explotación concreta de la IA. El 70 % de ellos incluso pasan entre una y cuatro horas al día y el 14 %, más de cuatro horas.

Un profundo malentendido

Por lo tanto, la encuesta destaca un "profundo malentendido en muchos fabricantes de decisiones con respecto al trabajo necesario en datos para implementar la mayoría de las herramientas de IA", como John Armstrong, director técnico de Worldly, especifica una plataforma de análisis de datos para la cadena de suministro sostenible. "Tienen la impresión de que es suficiente lanzar datos para comer en la IA y que resolverá todos los problemas. Uno de los roles de los expertos técnicos es educar a los fabricantes de decisiones sobre lo que es posible o no hacer para lograr su objetivo. Las consecuencias de esta percepción errónea y persistente son de la percepción persistente, según él, si la organización de datos de una compañía no está preparada, no se prepara literalmente a los molinos de una dena en la solución de una dena en una sola vez en una sola solución en una gran solución en una sola vez en una sola de la sola de la vez en una sola vez en una sola solución en una dena en una sola vez en una sola solución en una gran cantidad de dolores en una enormes en una sola vez en una sola solución en una vez en una sola vez en una sola solución en una sola vez en una sola de la sola de los molinos en una milla de múltiples en la enormes. resultados."

Para el juez Erolin, CTO de la Compañía de Servicios de Baireesdev, a veces los proyectos piloto exitosos son suficientes o la demostración de un algoritmo eficiente para dar esperanzas falsas a los líderes. "¡Ahora, una visión holística del sujeto contaría una historia completamente diferente!". Uno de los clientes de Bairesdev se habría sorprendido de dedicar el 30% de un proyecto de IA para integrar sus sistemas existentes. En general, cuando los equipos de datos o TI deben abordar durante horas para reparar los datos durante horas, a menudo un signo de los datos de la organización de la organización de los requisitos de los requisitos de la AI. Mantenimiento de IA y limpieza de datos.

El problema del existente

Para Rupert Brown, CTO y fundador de Evidology Systems, un proveedor de soluciones de cumplimiento, los sistemas existentes que recopilan y almacenan solo una cantidad limitada de datos son parte del problema. Algunas compañías operan software y middleware antiguos que no están diseñados para recopilar, transmitir y almacenar datos adecuadamente para suministrar modelos modernos de IA. "En el futuro cercano, la no calidad de los datos limitará aún más el interés de la IA", agrega Rupert Brown. Los sistemas existentes que operan con campos de tamaño limitado, por ejemplo, o también números de cuenta limitados, que deben reciclar, siempre están muy extendidos en la industria, lo que genera correcciones que AI no puede entender. »»

Educar a las partes interesadas

Para superar esta discrepancia entre una confianza demasiado alta de los gerentes en la preparación de datos y el trabajo diario necesario de los equipos de TI para mantener los datos, es esencial educar a las partes interesadas no técnicas con realidades y desafíos de la implementación de la IA. "Cuando los líderes incluyen problemas de IA reales y el tiempo que los equipos técnicos se dedican a responder a ellos, es más probable que inviertan en prácticas de datos sólidas y alinean las expectativas entre sí", dijo el juez Erolin.

Para Terren Peterson, vicepresidente de ingeniería de datos en Capital One, el éxito del Genai puede ayudar a iniciar este tipo de enfoques. "La higiene, la calidad y la seguridad de los datos son temas de los que hemos estado hablando durante 20 años", explica. ¡Pero hoy, el éxito de la IA y el aprendizaje automático puede llamar la atención sobre estos elementos fundamentales de la gestión de datos! Y la Revolución Genia podría ayudar a comprender que la calidad de los datos es crucial. Incluso si estos sujetos se han quedado durante mucho tiempo en la parte inferior de las órdenes del Departamento de TI, ahora se convertirán en una prioridad. »»

Prototipos pequeños

Si bien muchos líderes empresariales son apasionados hoy por el despliegue del Genai, John Armstrong de Wordly recomienda que los gerentes de TI se centren en casos de uso, en lugar de tecnologías de IA específicas. En algunos casos, las tecnologías más antiguas, como el aprendizaje automático o las redes neuronales, serán más adecuadas y mucho más baratas para el objetivo previsto. "El Genai usa grandes cantidades de energía en comparación con otras herramientas de IA", señala. Para él, los CIO también deberían lanzar pequeños prototipos para encontrar los mejores casos de uso para sus organizaciones, mientras saben que ciertas experiencias no funcionarán. "La experimentación no necesita ser gigantesca, pero será suficiente para familiarizar a la compañía con IA", continúa.