Почти каждая компания с полным основанием скажет вам, что их самый важный актив — это люди. Поставщик услуг без людей — это просто пустой офис, производитель — просто простаивающая тяжелая техника, а система здравоохранения — это просто набор пустых коек.
Эта истина не изменится, но в последние годы фундаментально изменился взгляд на ценность организации помимо ее сотрудников. Если раньше разные секторы могли заявлять о своей ценности по-разному, то сегодня данные являются вторым по ценности активом в большинстве секторов.
Более цифровые инструменты, инфраструктура и процессы, которые более взаимосвязаны, привели к взрывному росту данных, который предлагает более глубокое понимание клиентов, более эффективные операции, более качественные инновации, более быстрое принятие решений и многое другое. Короче говоря, обещание состоит в том, что данные обеспечат гибкость и оперативность, необходимые предприятиям для стимулирования роста.
Руководитель практики по приложениям, данным и искусственному интеллекту, Kyndril UK и Ireland.
Обещание искусственного интеллекта
Конечно, любой технический или ИТ-директор, которому поручено использовать данные для получения конкурентного преимущества, знает, что необработанные данные сами по себе являются лишь обещанной гипотетической выгодой. Экспоненциальный рост данных не существует в удобной для использования форме именно потому, что он приходит отовсюду. Такие источники, как подключенные устройства и физические датчики, финансовые транзакции и действия пользователей на веб-сайтах, общение в социальных сетях и рыночные тенденции, в совокупности создают огромный хаотичный поток информации, которым организации должны управлять.
В результате этого хаоса технологические лидеры сталкиваются с двумя серьезными проблемами. Во-первых, это стремительно растущая стоимость хранения. Знание того, что все эти данные имеют ценность, является стимулом сохранять как можно больше их, что, особенно для более тяжелых форматов, таких как видео и аудио, может привести к затратам на хранение до миллионов долларов в год.
Растущий вес самих ИТ-расходов усугубляет второе серьезное давление: растущие ожидания найти ценность в потоке бизнес-данных. В частности, компании все чаще пытаются реагировать на огромный характер современных бизнес-данных, используя ИИ для поиска рабочих процессов, которые (в отличие от процессов, управляемых человеком) могут плавно масштабироваться с объемом данных за счет добавления дополнительных вычислительных ресурсов.
Однако это создает своего рода парадокс: хотя новые инструменты ИИ, безусловно, способны обрабатывать данные в большом масштабе и делать их ценными, эти инструменты обычно хороши настолько, насколько хороши данные, которые им предоставляются. Плохие, нерелевантные или неправильные данные, хранящиеся в бесполезных или противоречивых форматах или местах, не приносят той пользы, которую ожидают компании от ИИ. Ответ ИИ на проблемы бизнес-данных заключается в том, чтобы сначала решить некоторые проблемы, с которыми предприятия сталкиваются при организации и управлении своими данными.
Поймите, что важно
Идея о том, что качество результатов ИИ-решения ограничено качеством вводимых вами данных, была распространенным рефреном с тех пор, как несколько лет назад начался недавний бум в области ИИ-технологий. «Мусор на входе, мусор на выходе» уже давно является поговоркой в ИТ-индустрии и остается верной и сегодня.
Но это оставляет открытым вопрос о том, как на самом деле выглядят «хорошие» данные для компаний, которые хотят использовать ИИ, чтобы найти обещанные им преимущества для роста. Один из способов взглянуть на это — вернуться к фундаментальному факту: самое ценное, что есть у компании, — это ее люди, и поэтому данные должны работать на тех людей, которые в них нуждаются.
Из нашего опыта работы с крупными организациями, которые меняют свои стратегии обработки данных, мы знаем, что половина всех записанных данных обычно представляет собой шум. Это может быть повторяющаяся информация, устаревшая информация или информация, которую вообще не нужно было хранить. Около четверти информации организации используется для бумажного следа, а не фактического использования приложений: знание пути, по которому перемещается часть информации, важно для аудита, но не для конечного пользователя.
И тогда не все другие данные, которые актуальны и необходимы, эквивалентны. Например, информация о невыполненном заказе клиента должна быть доступна немедленно, а счета-фактуры десятилетней давности, вероятно, можно будет поместить в холодное хранилище с более медленным доступом для экономии затрат и энергии.
Наверное, все мы сталкивались с ситуациями, когда нам приходилось пробираться сквозь слои бесполезных или ненужных файлов и записей, чтобы добраться до информации, которая нам нужна на работе. Если компания хочет использовать решение ИИ, такое как чат-бот, чтобы предоставить сотрудникам или клиентам более эффективный доступ к этим данным, основная проблема не исчезает: будь то традиционная база данных или озеро неструктурированных медиаданных, ИИ-решению нужен только доступ. к тому, что действительно важно.
Поэтому первым шагом является обеспечение того, чтобы данные были актуальными и хорошо управлялись с человеческой точки зрения.
Полезные данные, которые генерирует компания, могут оказаться в меньшинстве, но их ни в коем случае не мало – и они будут продолжать быстро расти. Масштабируемые решения искусственного интеллекта будут иметь решающее значение для извлечения пользы из этих данных, но процесс начинается с преобразующего подхода к стратегии данных компании, который закладывает основу для успеха.
Мы перечисляем лучшее программное обеспечение для управления сотрудниками.
Эта статья была создана в рамках канала Expert Insights от TechRadarPro, где мы рассказываем о лучших и ярких умах в области технологий сегодня. Мнения, выраженные здесь, принадлежат автору и не обязательно принадлежат TechRadarPro или Future plc. Если вы заинтересованы в участии, узнайте больше здесь:
