Poduzeća uče da implementacija umjetne inteligencije 'nije polje snova. To nije napor da se izgradi i oni će doći.'
Potrebna je dobro osmišljena informacijska arhitektura -- IA -- kako bi se osigurala dobra AI. Izazov je staviti i ljude i podatke na istu stranicu kada je riječ o radu umjetne inteligencije. I ima puno posla na oba fronta.
To je riječ iz Seth Dobrin, globalni glavni službenik za umjetnu inteligenciju u IBM-u. "Podaci su hrana za umjetnu inteligenciju, ali malo organizacija sjedne za stol kako bi osmislilo strategiju umjetne inteligencije s punim računovodstvom o tome gdje se svi njihovi podaci nalaze i koliko su organizirani", kaže. "IT stručnjaci crpe iz najmanje 20 izvora podataka kako bi informirali svoju umjetnu inteligenciju, a neki moraju crpiti iz stotina, tako da je ovo veliki problem podatkovne infrastrukture."
Podaci su potrebni za AI, nastavlja, ukazujući na potrebu za pristupom informacijske arhitekture. „Nema umjetne inteligencije bez umjetne inteligencije. Današnje podatkovno okruženje je hibridno i multicloud, odgovor ne može biti i nije centralizacija svih podataka. Odgovor je da je AI omogućen podatkovnom strukturom koja osigurava privatnost, usklađenost i sigurnost na velikom broju."
Pitanja kojima se treba pozabaviti uključuju koje podatke koristi rješenje i treba li prikupljati sve te podatke da bi funkcioniralo. Osim toga, potrebno je ispitati kako se podaci pohranjuju i koliko dugo. "Ovo su pitanja koja zahtijevaju veliki broj perspektiva unutar jedne organizacije za odgovor i razmišljanje o dizajnu poduzeća podataka i umjetne inteligencije nudi pristup koji pomaže u postavljanju jasnih namjera i planova koji povezuju poslovnu strategiju sa strategijom umjetne inteligencije i izvršenjem."
Suradnja je ključna za takve napore, budući da je umjetna inteligencija pothvat usmjeren na čovjeka. "Otkrili smo da kada implementacije AI dolaze isključivo s poslovne strane, ili IT strane, ili strane upravljanja podacima, neizbježno se gube ključni uvidi", kaže Dobrin. "Kada se AI rješenja spoje i užurbano pokrenu u proizvodnju, poslovnim čelnicima i potrošačima postaje vrlo teško vjerovati im."
Kad je riječ o osiguravanju etičke i nepristrane umjetne inteligencije, ima još puno posla za obaviti, upozorava Dobrin. "Tvrtke još moraju ići toliko daleko da osiguraju da se njihova umjetna inteligencija i rezultati pažljivo revidiraju, održavaju i poboljšavaju." U isto vrijeme, napominje, "poduzeća su sada puno svjesniji važnosti posjedovanja pouzdane umjetne inteligencije." Prepreke za postizanje ovoga uključuju "nedostatak vještina, nefleksibilne alate upravljanja, pristrane podatke i više. Jasno je da, iako na tržištu postoje alati i okviri koji pomažu u izgradnji pouzdane umjetne inteligencije, još uvijek treba raditi kako bi se tvrtkama pomoglo u razvoju sveobuhvatan pristup upravljanju umjetnom inteligencijom koji objedinjuje alate, rješenja, prakse i prave ljude za odgovorno upravljanje umjetnom inteligencijom u cijelom životni ciklus."
Ovo je dodatno komplicirano jer je u "vrlo zrelim organizacijama tehnološko okruženje umjetne inteligencije vrlo heterogeno, a timovi za umjetnu inteligenciju raspoređeni su po različitim linijama poslovanja", dodaje. „Pejzaž umjetne inteligencije samo će postati heterogeniji. Potreba za automatiziranim upravljanjem umjetnom inteligencijom na vrhu heterogenog krajolika umjetne inteligencije kako bi se osigurala transparentnost, objašnjivost, pravednost, robusnost i privatnost povrh postojećeg alata samo su povećani, trik je u tome da ih povežete svi zajedno."
Lekcija koju su mnoga poduzeća naučila jest da implementacija umjetne inteligencije "nije polje snova", nastavlja on. "To nije napor da se izgradi i oni će doći. Uspješna implementacija umjetne inteligencije usmjerena je na čovjeka, povezana je s poslovnom strategijom, ima jasne metrike uspjeha temeljene na vrijednosti i uživa povjerenje. Kad tvrtke postignu sve četiri ove AI neizbježno se usvajaju, a zatim dodaju vrijednost."