هل سيقوم إعداد البيانات بتكسير ميزانيتك؟

خلال العديد من المؤتمرات والفعاليات التقنية الرئيسية في عام 2024 ، كان الحديث عن تنفيذ الذكاء الاصطناعي موضوعًا شائعًا حيث يتم تكليف قادة تكنولوجيا المعلومات بإنشاء أدوات GENAI جديدة للأعمال. لكن الامتناع الشائع كان الحاجة إلى إعداد بيانات للتعلم الآلي.

قد تؤدي هذه الحاجة إلى بيانات نظيفة إلى إبطاء جهود إطلاق الذكاء الاصطناعي وتضيف إلى التكاليف.

مؤخرا Salesforce تقرير تنفق CIOs الموجود متوسط ​​20 ٪ من ميزانياتها على البنية التحتية للبيانات وإدارتها و 5 ٪ فقط على الذكاء الاصطناعي. احتلت الافتقار إلى البيانات الموثوقة في قائمة مخاوف الذكاء الاصطناعي الرئيسية لمراقبة المعلومات. في آخر تقريروتقول شركة الأبحاث الدولية للبيانات (IDC) إن الإنفاق في جميع أنحاء العالم على الذكاء الاصطناعي سيصل إلى 632 مليار دولار في عام 2028.

تم إهمال الصناعة حيث أطلقت ChatGPT من Openai سرعان ما يطلق Genai Arm Race قبل عامين-وتواجه العديد من الشركات احتياجات بيانات شعوذة مع الحصول على هذه البيانات جاهزة. يمكن أن يكون الإنفاق على إعداد البيانات تكلفة كبيرة لعلاق الذكاء الاصطناعى ، وتتفاوت مع حجم ونضج الشركات والمؤسسات المختلفة.

يعد إعداد البيانات لـ AI مهمة صعبة ومكلفة. يجب على قادة تكنولوجيا المعلومات مراعاة عدة عوامل ، بما في ذلك الجودة ، وحجم ، وتعقيد البيانات ، إلى جانب التحضير للتكاليف المرتبطة بجمع البيانات والتنظيف والتسمية والتحويل مناسبة لنموذج الذكاء الاصطناعي. عند إضافتها إلى أعلى الاحتياجات للأجهزة الجديدة والبرامج وتكاليف العمالة المرتبطة بتبني GENAI ، وتضيف الفواتير بسرعة.

متعلق ب:التكلفة الحقيقية لمنظمة العفو الدولية: تقرير خاص للمعلومات

وتواجه مديري تقنية المعلومات وغيرهم من قادة التكنولوجيا تقديم الذكاء الاصطناعي كمنشئ محتمل للقيمة ومولد الإيرادات المحتمل. لكن العديد من الشركات تواجه معركة شاقة عندما يتعلق الأمر بالعائد على الاستثمار في برامج GENAI الجديدة ، فإن الوقت والتكلفة لإعداد البيانات لا يؤديان إلى عوائد فورية.

إنفاق المال على البيانات لكسب المال مع الذكاء الاصطناعي

يقول Barb Wixom ، مؤلف وعلم أبحاث رئيسي في مركز أبحاث أنظمة المعلومات (MIT) ، إن القادة يمكن أن يشيروا إلى نجاحات محددة في الشركات الأخرى التي لديها المزيد من النضج من الذكاء الاصطناعي. وتقول إن هذه الشركات قد بنت قيمة بيانات قوية من خلال الحوكمة التطلعية.

“يجب النظر إلى الذكاء الاصطناعى ، ليس على أنها الذكاء الاصطناعي ، ولكن كجزء من إنشاء قيمة البيانات أو تحقيق البيانات” ، أخبرت Information Week في مقابلة عبر الهاتف. “أسميها تسييل البيانات … تحويل البيانات إلى المال. إذا فكرت المنظمات وخاصة القادة باستمرار في الذكاء الاصطناعي في هذا السياق ، فلن تواجه مشكلة … إذا كانت المنظمة تحاول تقليل هيكل التكلفة بنسبة مئوية معينة ، أو محاولة زيادة المبيعات بطريقة ما ، أو زيادة نمو الخدمة – مهما كان الهدف- غالبًا ما يكون هذا أموالًا كبيرة. حتى لو كان لديك استثمار غير عادي في الذكاء الاصطناعي ، فقد تكون النتيجة أوامر ذات حجم أكبر. “

متعلق ب:ما هي تكلفة الذكاء الاصطناعى: فحص تكلفة التطبيقات التي تدعم الذكاء الاصطناعي

مع تشديد ميزانيات التكنولوجيا في مواجهة مشاكل الاقتصاد الكلي ، يحتاج قادة تقنية المعلومات إلى إقناع الأعضاء غير الفنيين في C-Suite بأن إعداد البيانات هو استثمار مفيد. يشير Wixom إلى قصص النجاح في صناعة الخدمات المالية حيث كان لدى قادة تكنولوجيا المعلومات مصداقية قوية داخل فريقهم التنفيذي. وتقول إن أحد هؤلاء القادة استخدموا مجموعة استشارية داخلية لتجميع حالات الاستخدام لتقديم خطة عمل أكثر تقليدية للمديرين التنفيذيين. يقول ويكسوم: “لقد قاموا بتصنيف الطريق كيف كانوا سيبنيون على مدى أربع سنوات-لقد تمكنوا من تقديم ذلك”.

لكن منظمات أخرى قد لا تكون ناضجة في حوكمة البيانات الخاصة بهم كمؤسسة مالية رئيسية. في هذه الحالات ، يمكن أن يكون النهج التدريجي من أسفل إلى أعلى. “ليس عليك أن تبدأ برؤية كل ما سيتم القيام به … ولكن من خلال اتباع نهج تدريجي يبني القدرة ، حيث تتعلم على طول الطريق وتأسيس الصوامع ، ولكن مورد مؤسسة متنامية.”

الخطوة التالية: إيجاد الهندسة المعمارية المناسبة للتوافق مع أهداف الذكاء الاصطناعي. شبكة البيانات ونسيج البيانات هما من المتقاعدين من بنية البيانات الحديثة المتنافسة المتشابهين ولكن لديهم اختلافات رئيسية.

متعلق ب:إذا كان الجميع يستخدمون الذكاء الاصطناعي ، فكيف يمكن للمنظمات أن تتفرق؟

شبكة أم نسيج؟ بنيات البيانات الحديثة

في عصر ما قبل جيناي ، كانت حوكمة البيانات واضحة نسبيًا. قامت العديد من الشركات بتجميع البيانات إلى “بحيرات البيانات” التي تخزن كميات كبيرة من البيانات الأولية. لاستخدام الذكاء الاصطناعي ، يمكن أن تخلق هذه الهندسة المعممة اختناقات تعيق الإنتاجية. أصبحت أبناء البيانات وبيانات شبكة البيانات هي معايير الصناعة الجديدة عندما يتعلق الأمر بتنفيذ Genai. ذلك لأن هذه البنية الحديثة تدمج البيانات من مصادر متعددة إلى عرض موحد ، وتبسيط صيانة البيانات ، وتقليل الوقت والتكاليف.

شبكة البيانات:

يمكن أن يكون استخدام بنية شبكة البيانات خيارًا جيدًا لأولئك الذين يتطلعون إلى تمكين وحدات الأعمال المنفصلة مع ملكية البيانات.

نسيج البيانات:

يوفر Data Fabric الهندسة المعمارية المركزية ، ودمج البيانات عبر المؤسسة. تتيح هذه الطريقة بنية بيانات موحدة مع حوكمة مركزية.

لكن تلك البنى الجديدة تأتي بسعر. يمكن أن تشكل ارتفاع تكاليف بدء التشغيل ورسوم الصيانة المستمرة حواجز كبيرة أمام إدخالات بعض المؤسسات ، اعتمادًا على حجم وحالة البيانات الحالية. من المحتمل أن يكون لشبكة البيانات تكاليف أمامية أعلى. يحتوي نسيج البيانات على تكاليف تنفيذ أقل ولكن من المحتمل أن يكلف أكثر من ذلك.

لذلك ، من المهم فهم حالات الاستخدام المحتملة لتبرير الإنفاق وفهم أي الهندسة المعمارية مناسبة لمؤسستك ، كما يقول الخبراء.

يشير Inna Tokarev Sela ، الرئيس التنفيذي ومؤسس شركة Forme Data Fabric ، إلى حالات الاستخدام المحددة التي يمكن أن تستفيد أكثر من بنيات البيانات الحديثة. وتقول إن المؤسسات التي يمكن أن تستفيد أكثر من نسيج البيانات تتضمن “التي تطمح إلى خلق درجة من الأتمتة ، والوصول إلى الخدمة الذاتية إلى تحليلات البيانات من قبل مستخدمي الأعمال ، وأتمتة سير العمل ، وأتمتة العملية.” وتقول إن الشركات التي لديها فرق متباينة تحتاج إلى استخدام البيانات لبناء التحليلات والتعاون يمكن أن تستفيد من بنية نسيج البيانات.

يقول كيندال كلارك ، المؤسس المشارك والرئيس التنفيذي لشركة Data Stardog: “تشبه نسيج البيانات وشبكة البيانات Montagues و Capulets ، أو Hatfields و McCoys”. “إنه مثل التنافس بينيمي … فهي متشابهة لدرجة أن لا أحد لا يستطيع أن يخيلهم ، لكنه الاختلافات الصغيرة.”

نظرًا لأن نسيج البيانات متشابه للغاية ، يقول كلارك إن العملاء سيطلبون نسيج البيانات ، لكن ما يصفونه حقًا هو بنية شبكة البيانات. لذلك ، من المهم أن يكون لديك فهم قوي لاحتياجات البيانات الفريدة من نوعها. “التسميات ليست بهذه الأهمية.”

من أين تبدأ؟ العثور على “نقطة التجمع”

يقول كلارك عن اختيار بنية بيانات جديدة لتنفيذ Genai: “ليس عليك الحصول على القرار بشكل صحيح ، عليك فقط الاختيار”. “أود أن أبدأ باختيار مشكلة فائقة الهامة والمهمة من شأنها أن تحدث فرقًا حقيقيًا لمؤسستك. شيء من شأنه أن يجعل عملك يوفر المزيد من المال ، وإدارة المخاطر ، وكسب المزيد من المال ، وجعل الناس أكثر إنتاجية – هذه هي مفاتيح دفع الأعمال إلى الأمام. تحتاج إلى اختيار واحدة كنقطة تجمع الخاصة بك. “

بغض النظر عن نقطة البداية الخاصة بك ، فإن التبديل الناجح إلى أي بنية بيانات يتطلب بيانات نظيفة ومحددة بشكل جيد ، كما يؤكد WIXOM من معهد ماساتشوستس للتكنولوجيا. “لا يهم ما إذا كانت شبكة بيانات أو نسيج بيانات ، إذا قمنا فقط بالممارسات بالطريقة التي ينبغي لنا بها حقًا … على سبيل المثال ، مثل استخدام بيانات التعريف الجيدة ، فجأة ، لديك قابلية للتشغيل البيني لأن لديك تناسقًا ومعاييرًا. المشكلة هي أن معظم المؤسسات هي صوامع وعشباني – لم تتبع قواعد الكتب المدرسية لتبدأ حتى تكون في وضع العلاج. “