< p class = "meta"> Af Joe McKendrick for Service Oriented | 16. oktober 2021 | Emne: Kunstig intelligens
Det kræver en veldesignet informationsarkitektur-IA-for at sikre god AI. Udfordringen er at få både mennesker og data på den samme side, når det kommer til AI -arbejde. Og der er meget arbejde, der skal udføres på begge fronter.
Foto: Joe McKendrick
Det er ordet fra Seth Dobrin, global chief AI officer hos IBM. “Data er fødevaren for AI, men alligevel sætter få organisationer sig til bords for at designe en AI -strategi med en fuldstændig redegørelse for, hvor alle deres data ligger, og hvor organiseret det er,” siger han. “IT -fagfolk henter fra mindst 20 datakilder for at informere deres AI, og nogle skal trække fra hundredvis, så dette er et stort datainfrastrukturproblem.”
Data er påkrævet for AI, fortsætter han, peger på behovet for en informationsarkitektur tilgang. “Der er ingen AI uden IA. Dagens datalandskab er hybrid, og det er multicloud, svaret kan ikke være og er ikke centralisere alle data. Svaret er AI er aktiveret af et datastof, der sikrer fortrolighed, overholdelse og sikkerhed i stor skala. ”
Spørgsmål, der skal behandles, omfatter hvilke data en løsning bruger, og om det skal indsamle alle disse data for at fungere. Derudover skal der undersøges, hvordan data gemmes, og hvor længe. “Dette er spørgsmål, der kræver et stort antal perspektiver inden for en enkelt organisation for at besvare, og virksomhedsdesign -tænkning for data, og AI tilbyder en tilgang til at hjælpe med at fastlægge klare hensigter og planer, der forbinder forretningsstrategien med AI -strategien til udførelsen.”
Samarbejde er nøglen til sådanne bestræbelser, da AI er et menneskecentreret forsøg. “Vi har fundet ud af, at når AI -implementeringer udelukkende kommer fra forretningssiden eller it -siden eller datahåndteringssiden, går afgørende indsigt uundgåeligt tabt,” siger Dobrin. “Når AI -løsninger er brolagt sammen og skyndte sig i produktion, bliver det meget svært for virksomhedsledere og forbrugere at stole på dem.”
Når det kommer til at sikre etisk og upartisk AI, er der stadig meget arbejde, der skal gøres, advarer Dobrin. “Virksomheder har stadig en vej til at sikre deres AI og resultaterne omhyggeligt revideres, vedligeholdes og forbedres.” Samtidig bemærker han, “virksomheder er nu meget mere bevidste om vigtigheden af at have pålidelig AI.” Barriererne for at opnå dette omfatter “mangel på færdigheder, ufleksible styringsværktøjer, forudindtaget data og mere. Det er klart, mens der er værktøjer og rammer på markedet til at hjælpe med at opbygge pålidelig AI, er der stadig arbejde, der skal gøres, for at hjælpe virksomheder med at udvikle en omfattende tilgang til AI -styring, der samler værktøjer, løsninger, praksis og de rigtige mennesker til at styre AI ansvarligt i hele sin livscyklus. “
Dette gøres mere kompliceret, at i “meget modne organisationer er AI -teknologilandskabet meget heterogent, og AI -teams er fordelt på forskellige forretningsområder,” tilføjer han. “AI -landskabet bliver kun mere heterogent. Behovet for at have automatiseret AI -styring oven på et heterogent AI -landskab for at give gennemsigtighed, forklarelighed, retfærdighed, robusthed og privatliv oven på eksisterende værktøj er kun øget, tricket er at binde dem alt sammen. “
Lektionen, som mange virksomheder har lært, er, at AI -implementering” ikke er drømmefeltet, “fortsætter han. “Det er ikke en build-it-and-they-will-indsats. Succesfuld AI-implementering er menneskeligt centreret, knyttet til forretningsstrategi, har klare værdibaserede succes-metrics og har tillid til. Når virksomheder uundgåeligt rammer alle fire af disse AI bliver vedtaget og tilføjer derefter værdi. “
Relaterede emner:
Enterprise Software Digital Transformation CXO Internet of Things Innovation Smart Cities 