Η μετάβαση της αγοράς: Από τον ενθουσιασμό στον στρατηγικό ρεαλισμό
Σε ένα κλίμα που σηματοδοτεί την ωρίμανση του κλάδου, η δεύτερη μέρα της μεγάλης παράλληλης διοργάνωσης AI & Big Data Expo και του Digital Transformation Week στο Λονδίνο, αποκάλυψε μια παγκόσμια αγορά που βρίσκεται σε φάση ξεκάθαρης μετάβασης και στρατηγικού ανασχεδιασμού.
Για τους επαγγελματίες του χώρου, είναι πλέον φανερό ότι ο αρχικός, συχνά τυφλός, ενθουσιασμός για τα παραγωγικά μοντέλα αρχίζει να υποχωρεί, δίνοντας τη θέση του στον ρεαλισμό. Οι ηγέτες των επιχειρήσεων έρχονται πλέον αντιμέτωποι με τις πρακτικές προκλήσεις και τις δυσκολίες της ουσιαστικής ενσωμάτωσης αυτών των προηγμένων εργαλείων στις υπάρχουσες τεχνολογικές υποδομές τους.
Χαρακτηριστικό της στροφής αυτής είναι ότι οι συνεδρίες της δεύτερης ημέρας εστίασαν λιγότερο στην "μαγεία" των μεγάλων γλωσσικών μοντέλων και περισσότερο στην κρίσιμη υποδομή που απαιτείται για την εύρυθμη λειτουργία τους:
- Ιχνηλασιμότητα δεδομένων
- Παρατηρησιμότητα (observability)
- Κανονιστική συμμόρφωση
Η ωριμότητα των δεδομένων καθορίζει την επιτυχία της υλοποίησης AI
Μια βασική αρχή που αναδείχθηκε είναι πως η αξιοπιστία του AI εξαρτάται άμεσα και αδιαπραγμάτευτα από την ποιότητα των δεδομένων. Ο DP Indetkar από την Northern Trust προειδοποίησε εύστοχα για τον κίνδυνο να επιτρέψουμε στο AI να μετατραπεί σε «ρομπότ ταινίας δεύτερης διαλογής». Αυτό το δυστοπικό σενάριο για τις επιχειρήσεις συμβαίνει όταν οι αλγόριθμοι αποτυγχάνουν παταγωδώς λόγω κακών εισροών δεδομένων.
Ο Indetkar σημείωσε με έμφαση ότι η ωριμότητα στην ανάλυση (analytics) πρέπει να προηγείται της υιοθέτησης του AI. Η αυτοματοποιημένη λήψη αποφάσεων διογκώνει τα σφάλματα αντί να τα μειώνει, εάν η στρατηγική δεδομένων δεν είναι επαληθευμένη και στιβαρή.
Στο ίδιο μήκος κύματος κινήθηκε και ο Eric Bobek της Just Eat, υποστηρίζοντας θερμά αυτή την άποψη. Εξήγησε πώς τα δεδομένα και η μηχανική μάθηση καθοδηγούν τις στρατηγικές αποφάσεις σε επίπεδο παγκόσμιας επιχείρησης, τονίζοντας πως οι μεγάλες επενδύσεις σε επίπεδα AI πηγαίνουν χαμένες εάν τα θεμέλια των δεδομένων παραμένουν κατακερματισμένα και ανοργάνωτα.
Από την πλευρά της λιανικής, ο Mohsen Ghasempour από την Kingfisher σημείωσε την επιτακτική ανάγκη μετατροπής των ακατέργαστων δεδομένων σε άμεσα αξιοποιήσιμη γνώση σε πραγματικό χρόνο. Ειδικά για τις εταιρείες λιανικής και logistics, η μείωση του χρόνου απόκρισης μεταξύ της συλλογής δεδομένων και της παραγωγής συμπερασμάτων είναι το κλειδί για να δουν πραγματική απόδοση (ROI).
Κλιμάκωση σε αυστηρά ρυθμιζόμενα περιβάλλοντα
Η πρόκληση μεγαλώνει στους κρίσιμους τομείς των χρηματοοικονομικών, της υγείας και των νομικών υπηρεσιών, οι οποίοι έχουν σχεδόν μηδενική ανοχή στο σφάλμα. Ο Pascal Hetzscholdt από τη Wiley απευθύνθηκε άμεσα σε αυτούς τους τομείς, υπογραμμίζοντας τη σημασία της εμπιστοσύνης.
Ο Hetzscholdt δήλωσε χαρακτηριστικά ότι το υπεύθυνο AI στην επιστήμη, τα χρηματοοικονομικά και τη νομική βασίζεται στο...