< p class = "meta"> Av Joe McKendrick for Service Oriented | 16. oktober 2021 | Tema: Kunstig intelligens
Det krever en godt designet informasjonsarkitektur-IA-for å sikre god AI. Utfordringen er å få både mennesker og data på samme side når det gjelder AI -arbeid. Og det er mye arbeid som må gjøres på begge fronter.
Foto: Joe McKendrick
Det er ordet fra Seth Dobrin, global sjef for AI i IBM. “Data er maten for AI, men få organisasjoner setter seg ved bordet for å utforme en AI -strategi med en fullstendig oversikt over hvor alle dataene deres ligger og hvor organisert det er,” sier han. “IT -fagfolk henter fra minst 20 datakilder for å informere AI, og noen må trekke fra hundrevis, så dette er et stort datainfrastrukturproblem.”
Data kreves for AI, fortsetter han, peker på behovet for en tilnærming til informasjonsarkitektur. “Det er ingen AI uten IA. Dagens datalandskap er hybrid og det er multicloud, svaret kan ikke være og er ikke sentralisere alle data. Svaret er AI er aktivert av et datastoff som sikrer personvern, samsvar og sikkerhet i stor skala. ”
Spørsmål som må tas opp inkluderer hvilke data en løsning bruker, og om det må samles inn alle dataene for å fungere. I tillegg må det undersøkes hvordan data lagres og hvor lenge. “Dette er spørsmål som krever et stort antall perspektiver i en enkelt organisasjon for å svare og bedriftsdesign -tenkning for data, og AI tilbyr en tilnærming for å sette klare intensjoner og planer som knytter forretningsstrategien til AI -strategien til utførelsen.”
Samarbeid er nøkkelen til slike anstrengelser, ettersom AI er et menneskesentrert forsøk. “Vi har funnet ut at når AI -distribusjoner utelukkende kommer fra forretningssiden, eller IT -siden, eller datahåndteringssiden, er avgjørende innsikt uunngåelig tapt,” sier Dobrin. “Når AI -løsninger blir brolagt sammen og skyndt seg i produksjon, blir det veldig vanskelig for bedriftsledere og forbrukere å stole på dem.”
Når det gjelder å sikre etisk og upartisk AI, er det fortsatt mye arbeid som må gjøres, advarer Dobrin. “Selskaper har fortsatt en vei å gå for å sikre AI og resultatene blir nøye revidert, vedlikeholdt og forbedret.” Samtidig bemerker han, “bedrifter er nå mye mer klar over viktigheten av å ha pålitelig AI.” Barrierer for å oppnå dette inkluderer “mangel på ferdigheter, ufleksible styringsverktøy, partiske data og mer. Det er klart mens det finnes verktøy og rammer i markedet for å bygge pålitelig AI, er det fortsatt arbeid som skal gjøres for å hjelpe bedrifter med å utvikle en helhetlig tilnærming til AI -styring som samler verktøy, løsninger, praksis og de riktige menneskene til å styre AI på en ansvarlig måte gjennom hele livssyklusen. “
Dette blir mer komplisert at i “svært modne organisasjoner er AI -teknologilandskapet veldig heterogent og AI -teamene er fordelt på ulike bransjer,” legger han til. “AI -landskapet vil bare bli mer heterogent. Behovet for å ha automatisert AI -styring på toppen av et heterogent AI -landskap for å gi åpenhet, forklarbarhet, rettferdighet, robusthet og personvern på toppen av eksisterende verktøy er bare økt. Trikset er å knytte dem alt sammen. “
Leksjonen mange bedrifter har lært er at AI -implementering” ikke er drømmefeltet, “fortsetter han. “Det er ikke en bygg-det-og-de-vil-innsats. Vellykket AI-implementering er menneskelig sentrert, knyttet til forretningsstrategi, har klare verdibaserte suksessberegninger og er klarert. Når selskaper treffer alle fire av disse AI uunngåelig blir adoptert, og tilfører deretter verdi. “
Relaterte emner:
Enterprise Software Digital Transformation CXO Internet of Things Innovation Smart Cities 