Эра ИИ пошла не по плану. И главная проблема — ваши данные

Хотите понять, как быстро меняется наш мир? Просто посмотрите на профессии, которых пару лет назад даже не существовало: ИИ-инженеры, промпт-инженеры, специалисты по контролю качества для больших языковых моделей, дата-сайентисты в области генеративного ИИ и супервайзеры ИИ-агентов.

У всех этих ролей есть кое-что общее: их главная задача — собирать и проверять, что нужные данные находятся в нужном месте для анализа искусственным интеллектом. Именно поэтому 82% директоров по данным, которые приняли участие в новом исследовании IBM, заявили, что нанимают специалистов на должности, которых в прошлом году еще не было. Для сравнения, в 2024 году таких было всего 60%.

Такие специалисты по данным нужны срочно, и исследования показывают, что работы у них будет невпроворот. Исследование IBM выявило, что готовность данных — это серьезнейшая проблема при внедрении ИИ и ИИ-агентов. Только 26% директоров по данным уверены, что их инфраструктура способна поддерживать новые источники дохода, которые стали возможны благодаря ИИ. Эти выводы совпадают с результатами недавнего опроса Salesforce, который также подчеркнул эту проблему.

Видео от DGL.RU

Большинство респондентов (77%) заявили, что изо всех сил пытаются заполнить эти ключевые вакансии, связанные с данными. Только 53% опрошенных считают, что их усилия по подбору персонала приносят нужные навыки и опыт, хотя год назад этот показатель составлял 75%.

Несмотря на это, рыночное давление заставляет компании двигаться вперед с планами по внедрению ИИ и ИИ-агентов. Многие директора по данным (83%) предположили, что потенциальные выгоды от развертывания ИИ-агентов в их организациях перевешивают риски, а 77% сообщили, что удовлетворены результатами работы ИИ-агентов.

Главные проблемы, которые мешают использовать корпоративные данные для ИИ, включают в себя следующее:

• Доступность: «Медленный отклик на запросы к данным от авторизованных пользователей и низкая удовлетворенность пользователей».
• Полнота: «Процент пустых или незаполненных полей, частота отсутствия данных и низкий уровень заполнения обязательных полей».
• Целостность: «Ограниченное отслеживание происхождения данных и непоследовательный ввод данных в разных системах».
• Точность: «Высокий процент ошибок, доля неверных данных и частые сбои при валидации данных».
• Согласованность: «Непоследовательные форматы данных, включая код и номенклатуру».

Хотя многие данные свидетельствуют о возможном сокращении или стагнации IT-бюджетов, это не касается данных для ИИ — деньги на искусственный интеллект и ИИ-агентов текут рекой. Исследование IBM показало, что на стратегию работы с данными выделяется 13% от типичного IT-бюджета организации, хотя в 2023 году эта цифра составляла всего 4%. Большинство (81%) директоров по данным заявили, что их стратегия работы с данными должна быть интегрирована с общей технологической дорожной картой и инвестициями в инфраструктуру. Год назад так считали только 52%.

Много данных подготавливается на уровне отдельных функций или проектов, что отметили 81% респондентов. При этом существует высокий спрос на проприетарные корпоративные данные.

Если ваша организация изучает новые типы должностей в сфере данных и ИИ или хочет понять динамику поддержки искусственного интеллекта, авторы исследования IBM предлагают следующие рекомендации:

• Используйте ИИ для улучшения ИИ. ИИ-агенты могут управлять жизненным циклом данных, от поиска до архивации. Команда IBM отметила, что ИИ-агенты могут «автономно очищать данные, обнаруживать аномалии и потенциальные ошибки, а также проверять их на соответствие заранее определенным правилам и стандартам для повышения точности». ИИ также может помочь предсказать будущие потребности в данных.
• Откройте доступ к данным для всей организации. Исследователи настоятельно рекомендуют сделать ставку на демократизацию данных. Демократия — это путь к внедрению ИИ и инновационным экспериментам.
• Разработайте дальновидную стратегию работы с данными. Изучите, какие данные доступны, что появится в будущем и кому они нужны. Затем задайтесь вопросом, как система ИИ может извлечь из этих данных пользу. «Делайте это в партнерстве с другими бизнес- и технологическими лидерами», — добавили авторы.
• Используйте неструктурированные данные. Следующее поколение инструментов — обработка естественного языка, компьютерное зрение и машинное обучение — должно уметь читать тексты, изображения, видео и аудиофайлы. Этот подход требует мультимодальной интеграции, чтобы поддерживать все эти типы данных из разных источников.

• Установите KPI, которые связывают инициативы по работе с данными с бизнес-результатами. Эти результаты могут включать «увеличение конверсии продаж, снижение оттока клиентов или экономию операционных затрат. Внедрите регулярную отчетность о рентабельности инвестиций, которая количественно оценивает финансовое влияние проектов, связанных с данными, что облегчит получение дальнейших инвестиций».
• Продвигайте грамотность в области данных по всей организации. Каждая должность, от высшего руководства до рядовых сотрудников, должна быть связана с данными. Исследователи заявили: «Убедитесь, что все руководители понимают стратегическую ценность данных и поддерживают принятие решений на их основе. Интегрируйте данные и аналитику между отделами, чтобы повысить вовлеченность и эффективность».
• Инвестируйте в интуитивно понятные интерфейсы и удобные аналитические инструменты. Эти системы «могут упростить взаимодействие с бизнес-данными для нетехнических пользователей». Большинство директоров по данным (82%) согласились, что системы данных и ИИ должны быть легки в доступе и использовании.

Ваш искусственный интеллект обучается на мусоре. И в этом виноваты популярные инструменты для разметки данных