< p class = "meta"> Av Joe McKendrick för Service Oriented | 16 oktober 2021 | Ämne: Artificiell intelligens
Det krävs en väl utformad informationsarkitektur-IA-för att säkerställa bra AI. Utmaningen är att få både människor och data på samma sida när det gäller AI -arbete. Och det finns mycket arbete att göra på båda fronterna.
Foto: Joe McKendrick
Det är ordet från Seth Dobrin, global chief AI officer på IBM. “Data är maten för AI, men få organisationer sätter sig vid bordet för att utforma en AI -strategi med en fullständig redovisning av var alla deras data finns och hur organiserad den är”, säger han. “IT -proffs hämtar från minst 20 datakällor för att informera sin AI, och vissa måste dra från hundratals, så det här är en stor datainfrastrukturfråga.”
Data krävs för AI, fortsätter han, pekar på behovet av en informationsarkitekturstrategi. “Det finns ingen AI utan IA. Dagens datalandskap är hybrid och det är multicloud, svaret kan inte vara och är inte centralisera all data. Svaret är AI aktiveras av ett datatyg som säkerställer integritet, efterlevnad och säkerhet i stor skala. ”
Frågor som måste tas upp inkluderar vilken data en lösning använder, och om den behöver samlas in all information för att fungera. Dessutom måste det undersökas hur data lagras och hur länge. “Det här är frågor som kräver ett stort antal perspektiv inom en enda organisation för att svara och företagets designtänkande för data och AI erbjuder ett tillvägagångssätt för att skapa tydliga avsikter och planer som kopplar affärsstrategin till AI -strategin till utförandet.”
Samarbete är nyckeln till sådana ansträngningar, eftersom AI är en människocentrerad strävan. “Vi har funnit att när AI -distributioner enbart kommer från affärssidan, eller IT -sidan, eller datahanteringssidan, försvinner oundvikligen viktiga insikter,” säger Dobrin. “När AI -lösningar slås ihop och rusas i produktion blir det mycket svårt för företagsledare och konsumenter att lita på dem.”
När det gäller att säkerställa etisk och opartisk AI finns det fortfarande mycket arbete att göra, varnar Dobrin. “Företag har fortfarande en väg att gå så långt som att se till att deras AI och resultaten granskas noggrant, underhålls och förbättras.” Samtidigt noterar han, “företag är nu mycket mer medvetna om vikten av att ha pålitlig AI.” Barriärerna för att uppnå detta inkluderar “brist på kompetens, oflexibla styrningsverktyg, partisk data med mera. Det är klart medan det finns verktyg och ramar på marknaden för att bygga pålitlig AI, det finns fortfarande arbete kvar att hjälpa företag att utveckla en övergripande strategi till AI -styrning som sammanför verktyg, lösningar, praxis och rätt personer för att styra AI på ett ansvarsfullt sätt under hela sin livscykel. “
Detta görs mer komplicerat än att i “mycket mogna organisationer är AI -tekniklandskapet mycket heterogent och AI -teamen är fördelade över olika branscher”, tillägger han. “AI -landskapet kommer bara att bli mer heterogent. Behovet av att ha automatiserad AI -styrning ovanpå ett heterogent AI -landskap för att ge transparens, förklaring, rättvisa, robusthet och integritet ovanpå befintliga verktyg är bara ökat, tricket är att knyta dem alla tillsammans. “
Lärdomen som många företag har lärt sig är att AI -implementering” inte är drömmarnas område “, fortsätter han. “Det är inte en bygg-det-och-de-kommer-insats. Framgångsrik AI-implementering är mänskligt centrerad, knuten till affärsstrategi, har tydliga värdebaserade framgångsmätvärden och är betrodd. När företag oundvikligen träffar alla fyra av dessa AI blir adopterad och tillför sedan värde. “
Relaterade ämnen:
Enterprise Software Digital Transformation CXO Internet of Things Innovation Smart Cities 