企業(yè)領(lǐng)導(dǎo)或許對其企業(yè)的數(shù)據(jù)已準備好迎接AI充滿信心，但IT工作者的說法卻大相徑庭，他們中的大多數(shù)人每天都在花費數(shù)小時對數(shù)據(jù)進行梳理。

根據(jù)Capital One最近的一項AI就緒度調(diào)查，近九成企業(yè)領(lǐng)導(dǎo)表示其企業(yè)的數(shù)據(jù)生態(tài)系統(tǒng)已準備好大規(guī)模構(gòu)建和部署AI，然而，在受訪的IT從業(yè)者中(包括數(shù)據(jù)科學(xué)家、數(shù)據(jù)架構(gòu)師和數(shù)據(jù)分析師)，有84%的人每天至少要花費一小時來解決數(shù)據(jù)問題。

該調(diào)查顯示，70%的IT專業(yè)人員每天花費一到四小時來處理數(shù)據(jù)問題，而14%的人每天花費超過四小時。

Worldly(一家供應(yīng)鏈可持續(xù)性數(shù)據(jù)洞察平臺)的CTO John Armstrong表示，這項調(diào)查指出了許多企業(yè)領(lǐng)導(dǎo)在部署大多數(shù)AI工具所需的數(shù)據(jù)工作方面存在的根本性誤解。

“有一種觀點認為，我們只需將一堆數(shù)據(jù)扔給AI，它就會解決我們所有的問題，”他說，“作為技術(shù)領(lǐng)導(dǎo)者，我們的工作就是幫助我們的受眾了解什么是可能的，以及實現(xiàn)他們的目標需要什么。”

Armstrong補充道，關(guān)于AI數(shù)據(jù)管理需求的持續(xù)誤解所帶來的影響是巨大的。當(dāng)他與其他IT領(lǐng)導(dǎo)者交流時，他們都表示在采用AI方面承受著巨大壓力。

“這是一個非常大的問題，因為如果處理不當(dāng)，你的企業(yè)可能會花費數(shù)百萬美元在錯誤的解決方案上，從而實現(xiàn)錯誤的結(jié)果。”他說。

誤解AI的力量

BairesDev(一家軟件外包提供商)的首席技術(shù)官Justice Erolin表示，這項調(diào)查凸顯了一個典型的脫節(jié)現(xiàn)象。

“通常，高管們對AI的承諾感到興奮——他們在試點項目或演示中看到了AI的光芒——但他們并不總是能看到使其在日常工作中發(fā)揮作用的細節(jié)，”他說，“這就是摩擦產(chǎn)生的地方。”

Erolin補充道，企業(yè)領(lǐng)導(dǎo)的信心往往集中在AI模型或算法上，“而不是數(shù)據(jù)質(zhì)量、集成或甚至遺留系統(tǒng)等繁瑣的基礎(chǔ)工作。”

他說，成功的試點項目或表現(xiàn)良好的算法可能會給企業(yè)領(lǐng)導(dǎo)帶來虛假的希望。“大局可能會講述一個不同的故事。”他補充道。

例如，Erolin表示，BairesDev的一個客戶在AI項目時間線上花費了30%的時間來集成遺留系統(tǒng)時，感到十分驚訝。

Erolin補充道，雖然在AI項目之前應(yīng)預(yù)料到需要初步解決數(shù)據(jù)問題，但每天花費數(shù)小時工作人員時間來持續(xù)修復(fù)數(shù)據(jù)問題，可能是一個警告信號，表明企業(yè)的數(shù)據(jù)尚未為AI做好準備。他表示，為AI做好準備的企業(yè)應(yīng)該能夠自動化部分數(shù)據(jù)管理工作。

“如果你花費大量時間來維持數(shù)據(jù)運營層面的正常運作和清洗，那么你就無法利用你的領(lǐng)域?qū)＜襾硗瓿筛蟮膽?zhàn)略任務(wù)。”他說。

遺留問題

Evidology Systems(一家合規(guī)解決方案提供商)的首席技術(shù)官兼創(chuàng)始人Rupert Brown表示，收集和存儲有限數(shù)據(jù)的遺留系統(tǒng)是問題的一部分。他補充說，在一些行業(yè)中，公司正在使用遺留軟件和中間件，而這些軟件和中間件的設(shè)計并不符合現(xiàn)代AI模型對數(shù)據(jù)收集、傳輸和存儲的需求。

“在可預(yù)見的未來，數(shù)據(jù)質(zhì)量問題將限制AI技術(shù)的實用性，”Brown補充道，“行業(yè)中仍然普遍存在輸入數(shù)據(jù)字段有限的遺留系統(tǒng)或被迫循環(huán)使用帳戶號的系統(tǒng)，這也導(dǎo)致了AI無法理解的更正。”

Erolin表示，為了解決過高期望與低數(shù)據(jù)就緒度并存的問題，CIO和IT領(lǐng)導(dǎo)者應(yīng)該尋求透明度和協(xié)作。他說，BairesDev一直致力于向非技術(shù)利益相關(guān)者普及AI實施的現(xiàn)實和挑戰(zhàn)。

“當(dāng)高管們了解真正的挑戰(zhàn)——以及技術(shù)團隊花費時間解決這些挑戰(zhàn)的情況——他們就更有可能投資于穩(wěn)健的數(shù)據(jù)實踐并調(diào)整期望，”他說，“這都是為了讓每個人都達成一致。”

Capital One數(shù)據(jù)工程副總裁Terren Peterson表示，雖然企業(yè)領(lǐng)導(dǎo)的期望與IT從業(yè)者的經(jīng)歷之間似乎存在脫節(jié)，但圍繞GenAI的炒作可能會為CIO和其他IT領(lǐng)導(dǎo)者提供他們解決長期存在的數(shù)據(jù)問題所需的資源。他補充說，這家金融服務(wù)公司委托進行這項調(diào)查，是因為它自己有興趣部署AI工具來服務(wù)其客戶。

“數(shù)據(jù)衛(wèi)生、數(shù)據(jù)質(zhì)量和數(shù)據(jù)安全都是我們談了20年的話題，”Peterson說，“我內(nèi)心有一部分在想，AI和機器學(xué)習(xí)是否會成為催化劑，開始引起人們對這些數(shù)據(jù)基礎(chǔ)元素的關(guān)注?”

他補充道，AI革命可能會推動人們認識到數(shù)據(jù)質(zhì)量的重要性。“盡管它可能一直排在不同CIO議程的后列，但現(xiàn)在它的優(yōu)先級將會提高。”

小型模型來救援

雖然許多企業(yè)領(lǐng)導(dǎo)由于當(dāng)前的炒作而專注于部署GenAI，但Worldly的Armstrong建議IT領(lǐng)導(dǎo)者關(guān)注用例而不是特定的AI技術(shù)。他指出，在某些用例中，對于預(yù)期目的而言，較舊的AI技術(shù)(如機器學(xué)習(xí)或神經(jīng)網(wǎng)絡(luò))可能更合適，并且便宜得多。與其他一些AI工具相比，GenAI消耗的能量巨大。

他還建議CIO們推出小型模型，以找到最適合其企業(yè)的AI用例，并認識到一些實驗可能不會成功。

“實驗不必是大規(guī)模的，但它能培養(yǎng)熟悉感，”他說，“它開始為可能的藝術(shù)提供信息。如果我要給出一條戰(zhàn)術(shù)建議，那就是慢慢來，持續(xù)投資，而不是產(chǎn)品化。”

他補充道，創(chuàng)新往往涉及很多失誤。

“你想積累一系列知識，”Armstrong說，“每個人都想要迭代、快速失敗、快速開發(fā)，但沒有人想要真正失敗，這是我們的領(lǐng)域中的一種虛偽。嘗試吧，如果成功了，你就想要它，如果失敗了，你就從中學(xué)習(xí)。”