Dirbtinio intelekto duomenų valdymas: „NetApp“ generalinis direktorius George'as Kurianas kalba apie verslo transformacijos skatinimą

Verslo aplinka iš esmės keičiasi dėl sparčios duomenų ir dirbtinio intelekto konvergencijos. Šioje duomenų ir žvalgybos eroje įmonės turi teikti pirmenybę veiksmingam duomenų valdymui, kad dirbtinis intelektas išliktų konkurencingas ir aktualus.

AI nebėra tolima galimybė, o realybė, kuriai reikalingas tvirtas duomenų valdymas, kad AI strategija iš tikrųjų išnaudotų savo potencialą. Organizacijos, kurios puikiai naudoja duomenis, jau mato didelę pažangą, ypač reguliuojamose pramonės šakose. Tačiau iššūkių išlieka, įskaitant geresnės infrastruktūros ir integruotų sprendimų poreikį, kad dirbtinio intelekto iniciatyvos būtų sėkmingos. Kadangi vis daugiau įmonių siekia pritaikyti dirbtinį intelektą, duomenų valdymo supaprastinimo ir tvirtų partnerysčių kūrimo svarba niekada nebuvo aiškesnė, teigia George'as Kurianas (nuotraukoje), NetApp Inc.

„Algoritmai yra tokie pat geri, kaip ir jūsų pateikiami duomenys, todėl labai svarbu turėti tikrai gerą duomenų strategiją ir duomenų valdymo metodą, kuris padėtų algoritmams geriau suprasti jūsų verslą, kad galėtumėte naudoti (juos) vairuoti. verslo pranašumą“, – sakė jis.

Kurianas kalbėjosi su TheCUBE Robu Strechay ir Rebecca Knight „NetApp Insight“ per išskirtinę transliaciją „TheCUBE“, SiliconANGLE Media tiesioginės transliacijos studijoje. Jie aptarė dirbtinio intelekto duomenų valdymą ir tai, kaip „NetApp“ padeda organizacijoms panaudoti duomenų ir dirbtinio intelekto galią, tobulindama duomenų valdymo strategijas, integruodama infrastruktūras ir spręsdama pramonės naujoves skatinančius iššūkius. (* Atskleidimas žemiau.)

AI ir duomenų strategijos sankirta

AI technologijos pastaraisiais metais padarė didelę pažangą, tačiau jų sėkmė labai priklauso nuo apdorojamų duomenų kokybės. Nepaisant AI įrankių ir algoritmų pažangos, efektyvus diegimas tebėra susietas su tvirtu AI duomenų valdymu, pabrėžė Kurianas.

„Paprastai didelėje įmonėje apie 85–90 % jų duomenų yra nestruktūrizuoti, ty dokumentai, vaizdai ir balso įrašai, kurie niekada nebuvo integruoti į verslo sistemas analizei“, – sakė jis. „Dabar naudodami generatyvųjį AI galite tai padaryti. Taigi, mes tai vadiname duomenų ir žvalgybos sankirta, ir labai džiaugiamės galėdami būti šios kelionės dalimi.

Daugelis organizacijų kovoja su AI diegimu, dažnai traktuodamos jį kaip paslėptą technologiją, atskirtą nuo platesnių duomenų valdymo ir infrastruktūros procesų. Pasak Kuriano, šis atskyrimas sukuria iššūkių, trukdančių išnaudoti visą AI potencialą.

„Iš infrastruktūros, duomenų ir procesų perspektyvos DI buvo įdiegtas kaip silosas, todėl tiek daug AI projektų niekada nepasiekia gamybos“, – sakė Kurianas.

Čia atsiranda „NetApp“ duomenų valdymo patirtis. Labai svarbu sujungti AI ir duomenų infrastruktūras, kad jos veiktų darniai, panašiai kaip debesys, paaiškino Kurianas. Išspręsdama duomenų valdymo iššūkį, „NetApp“ siekia padėti įmonėms įveikti šias kliūtis ir sėkmingai išplėsti savo dirbtinio intelekto pastangas.

DI duomenų valdymas: pramonės šakos transformacija

Tokios pramonės šakos kaip gyvosios gamtos mokslai ir farmacija sparčiai tobulėja naudojant AI, ypač dėl to, kad joms reikia struktūrizuoto duomenų valdymo griežtai reguliuojamoje aplinkoje. Pasak Kuriano, šie sektoriai yra gerai pasiruošę dirbtinio intelekto sėkmei dėl griežtų duomenų tvarkymo ir privatumo standartų.

„Matome, kad tos institucijos, kurios sutvarkė savo duomenis ir gerai juos tvarko, yra gerai nusiteikusios sėkmei“, – teigė jis.

Pramonės, veikiančios griežtoje reguliavimo aplinkoje, dažnai yra geriau pasirengusios taikyti dirbtinį intelektą, nes jos jau nustatė griežtas duomenų tvarkymo ir privatumo užtikrinimo procedūras. Anot Kuriano, šis tvirtas pagrindas leidžia jiems sklandžiau integruoti dirbtinį intelektą į savo veiklą, todėl jie yra labiau pasirengę pritaikyti pažangias technologijas.

„Reguliuojamos pramonės šakos iš tikrųjų auga sparčiau naudojant dirbtinį intelektą nei nereguliuojamos“, – pridūrė Kurianas, pabrėždamas gerai struktūrizuotų duomenų svarbą skatinant dirbtinio intelekto pritaikymą.

Kurian taip pat pabrėžė naudojimo atvejus, kai AI daro transformacinį poveikį, pavyzdžiui, gamyboje, gyvosios gamtos moksluose ir net maisto bei gėrimų pramonėje. Pavyzdžiui, dirbtinis intelektas naudojamas siekiant pagerinti automobilių gamybos procesus per skaitmeninius dvynius ir gerinti gėrimų gamybos kokybę.

„Pramonės šakose, kuriose duomenys yra nusistovėję, pradeda matyti transformuojantį poveikį“, – sakė jis.

„Tikrasis“ AI poveikis

Nepaisant optimizmo dėl dirbtinio intelekto, Kurian pripažino, kad kai kurie verslo lyderiai ir toliau skeptiškai vertina jo potencialą, nurodydami susirūpinimą dėl ilgalaikio jo poveikio. Tačiau jis mano, kad nors pradiniai lūkesčiai gali būti pernelyg ambicingi, tikrasis AI poveikis atsiskleis per ateinančius metus.

„Galbūt žmonės mano, kad transformacija įvyks per dvejus metus, bet iš tikrųjų, jei žiūrite į ilgą ar vidutinės trukmės laikotarpį per dešimtmetį, tai tikriausiai bus paveikesnė pasibaigus metams, nei žmonės tikisi šiandien“, – sakė Kurianas.

„NetApp“ dėmesys sutelkiamas į duomenų valdymo supaprastinimą, stiprių pramonės partnerysčių skatinimą ir unikalių skirtingų sektorių iššūkių sprendimą. Supaprastindama prieigą prie duomenų ir siūlydama pritaikytus sprendimus, bendrovė leidžia įmonėms išnaudoti visą AI potencialą įvairiose pramonės šakose, paaiškino Kurianas.

„Manome, kad dirbtinis intelektas turėtų transformacinį poveikį, apie kurį šiandien kalba žmonės, tai gali būti ne tik didžiausios organizacijos, bet ir visos organizacijos, nesvarbu, ar tai švietimo įstaigos, ar vyriausybės, ar tai būtų neišsivysčiusios šalys, iš jų turi būti prieinama“, – sakė jis.

Stebėkite visą vaizdo interviu, „SiliconANGLE“ ir „TheCUBE Research“ apžvalgos „NetApp Insight“ dalį.

(* Atskleidimas: „TheCUBE“ yra mokamas „NetApp Insight“ žiniasklaidos partneris. Nei „NetApp Inc.“, „CUBE“ renginių aprėpties rėmėjas, nei kiti rėmėjai nekontroliuoja turinio CUBE arba „SiliconANGLE“.)

Nuotrauka: SiliconANGLE