Η Franny Hsiao της Salesforce αναλύει γιατί τα πιλοτικά προγράμματα Enterprise AI αποτυγχάνουν και πώς η σωστή υποδομή δεδομένων οδηγεί στην επιτυχία.
Η επιτυχημένη κλιμάκωση του Enterprise AI αποτελεί τη νέα μεγάλη πρόκληση για τον κόσμο της τεχνολογίας, απαιτώντας την υπέρβαση κρίσιμων αρχιτεκτονικών παραβλέψεων. Συχνά, αυτές οι παραλείψεις «παγώνουν» τα πιλοτικά προγράμματα πριν καν αυτά φτάσουν στο στάδιο της παραγωγής.
Πρόκειται για ένα ζήτημα που εκτείνεται πολύ πέρα από την απλή επιλογή μοντέλων. Ενώ η καινοτομία επιτρέπει πλέον εύκολα τη δημιουργία πρωτοτύπων Generative AI, η μετατροπή τους σε αξιόπιστα, επιχειρηματικά περιουσιακά στοιχεία προϋποθέτει την επίλυση σύνθετων προβλημάτων.
Οι τομείς αυτοί είναι κρίσιμοι για κάθε σύγχρονη επιχείρηση στην Ελλάδα και παγκοσμίως:
Ενόψει του κορυφαίου συνεδρίου AI & Big Data Global 2026 στο Λονδίνο, η Franny Hsiao, EMEA Leader of AI Architects στη Salesforce, ανέλυσε διεξοδικά τους λόγους για τους οποίους τόσες πολλές πρωτοβουλίες καταλήγουν σε αδιέξοδο. Παράλληλα, εξήγησε πώς οι οργανισμοί μπορούν να σχεδιάσουν προηγμένα συστήματα που όχι μόνο επιβιώνουν, αλλά και ακμάζουν στον πραγματικό κόσμο των επιχειρήσεων.
Σύμφωνα με την ειδικό της Salesforce, οι περισσότερες αποτυχίες πηγάζουν από το ίδιο το περιβάλλον στο οποίο «χτίζεται» το AI. Τα πιλοτικά προγράμματα ξεκινούν συχνά σε ελεγχόμενα, αποστειρωμένα περιβάλλοντα που δημιουργούν μια ψευδή αίσθηση ασφάλειας. Το αποτέλεσμα είναι να καταρρέουν μόλις κληθούν να αντιμετωπίσουν την κλίμακα, τον όγκο και την πολυπλοκότητα μιας πραγματικής επιχείρησης.
«Η πιο συνηθισμένη αρχιτεκτονική παράβλεψη που εμποδίζει την κλιμάκωση των πιλοτικών προγραμμάτων AI, είναι η αποτυχία σχεδιασμού μιας υποδομής δεδομένων επιπέδου παραγωγής (production-grade), με ενσωματωμένη διακυβέρνηση από άκρη σε άκρη (end-to-end) εξαρχής», εξηγεί χαρακτηριστικά η Hsiao.
Η ίδια συνεχίζει επισημαίνοντας την παγίδα στην οποία πέφτουν πολλές εταιρείες:
«Είναι κατανοητό ότι τα πιλοτικά προγράμματα ξεκινούν συχνά σε "παρθένα νησιά" – χρησιμοποιώντας μικρά, επιμελημένα σύνολα δεδομένων και απλοποιημένες ροές εργασίας. Ωστόσο, αυτό αγνοεί την χαοτική πραγματικότητα των εταιρικών δεδομένων: την πολύπλοκη ενοποίηση, την κανονικοποίηση και τον μετασχηματισμό που απαιτούνται για τη διαχείριση του όγκου και της μεταβλητότητας του πραγματικού κόσμου».
Όταν οι εταιρείες επιχειρούν να φέρουν την τεχνολογική επανάσταση κλιμακώνοντας αυτά τα πιλοτικά προγράμματα που βασίζονται σε «απομονωμένα νησιά», συχνά έρχονται αντιμέτωπες με την σκληρή πραγματικότητα των επιχειρησιακών απαιτήσεων.
