IBM: Veri ambarları kurumsal yapay zekayı engelliyor
Özet
IBM'e göre, kurumsal yapay zekanın önündeki en büyük engel, teknolojinin kendisi değil, verilerin birbirinden ayrı silolarda bulunmasıdır. Bu durum, yapay zeka projelerinin başlamadan önce uzun veri temizleme süreçlerine yol açarak rekabet avantajını olumsuz etkiliyor. Rapora göre, veri liderlerinin iş sonuçlarına odaklanması gerektiği belirtilirken, sadece az bir kısmı veri odaklı sonuçların iş değerini ölçmek için net kriterlere sahip. Bu nedenle, yapay zeka ajanlarının bu boşluğu doldurarak hedeflere ulaşmada önemli bir rol oynaması bekleniyor.
IBM'e göre, kurumsal yapay zekayı engelleyen birincil engel, teknolojinin kendisi değil, veritabanı silolarının kalıcı sorunudur.
IBM'de Başkan Yardımcısı ve Baş Veri Sorumlusu olan Ed Lovely, veri silolarını modern veri stratejisinin "Aşil tendonu" olarak tanımlıyor. Lovely, IBM İş Değeri Enstitüsü'nden çıkan ve yapay zekanın ölçeklenmeye hazır olduğunu, ancak kurumsal verilerin olmadığını belirten yeni bir çalışmanın ardından bu yorumları yaptı.
1.700 üst düzey veri liderinin katıldığı raporda, işlevsel verilerin inatla izole kaldığı ortaya çıktı. Finans, İK, pazarlama ve tedarik zinciri verileri, ortak bir taksonomi veya paylaşılan standartlar olmaksızın, tamamen ayrı olarak çalışmaktadır.
Bu parçalanma, yapay zeka projeleri üzerinde doğrudan ve olumsuz bir etkiye sahip. IBM'de Başkan Yardımcısı ve Baş Veri Sorumlusu olan Ed Lovely, "Veriler bağlantısız silolarda yaşadığında, her yapay zeka girişimi altı ila on iki aylık uzayan bir veri temizleme projesine dönüşüyor" dedi. "Ekipler, anlamlı içgörüler üretmektense veri aramak ve hizalamak için daha fazla zaman harcıyor".
Bu, rekabet avantajı için doğrudan bir tehdit. BT yöneticileri ve Baş Veri Sorumluları için, misyon artık sadece veri toplamak ve korumak değil, aynı zamanda bu yeni yapay zeka sistemlerini güçlendirmek için bunları etkili bir şekilde kullanmaktır.
Veri temizleyicisinden değer sürücüsüne
Çalışmadan elde edilen fikir birliği, veri liderlerinin iş sonuçlarına acımasızca odaklanması gerektiği yönündedir; Baş Veri Sorumlularının %92'si, başarılarının bu odağa bağlı olduğu konusunda hemfikir.
Merkezi gerilim burada yatıyor: %92'si iş değeri hedefliyorken, yalnızca %29'u "veri odaklı sonuçların iş değerini belirlemek için açık ölçütlere" sahip olduklarından emin.
Hırs ve gerçeklik arasındaki bu boşluk, hedeflere ulaşmak için öğrenip özerk olarak hareket edebilen yapay zeka ajanlarının yardım etmesi beklenen yerdir. Liderler bu araçlara artan bir güven gösteriyorlar; IBM'in araştırmasına katılan Baş Veri Sorumlularının %83'ü, yapay zeka ajanlarını kullanmanın potansiyel faydalarının risklerden daha ağır bastığını belirtiyor.
Küresel tıbbi teknoloji şirketi Medtronic'te, ekipler faturaları, satın alma siparişlerini ve teslimat kanıtlarını eşleştirmekle boğuşuyordu. Bir yapay zeka çözümü kullanarak, şirket bu iş akışını otomatikleştirdi. Sonuç, belge eşleştirme süresinin fatura başına 20 dakikadan sadece sekiz saniyeye düşmesi ve doğruluk oranının %99'u aşması oldu. Bu, personelin düşük değerli veri girişinden daha yüksek değerli işlere yeniden dağıtılmasını sağladı.
Benzer şekilde, yenilenebilir enerji şirketi Matrix Renewables, varlıklarını izlemek için merkezi bir veri platformu uyguladı. Bu, raporlama süresinde %75 ve maliyetli arıza süresinde %10 azalmaya yol açtı.
IBM, yapay zeka engellerini buluyor: Mimari, yönetim ve yetenek açığı
Bu sonuçlara ulaşmak, silolardan kaçınırken veri mimarisine yeni bir yaklaşım gerektirir. Pahalı, yavaş veri taşımacılığının merkezi bir göle taşınması eski modeli yerini alıyor. IBM'in çalışması, Baş Veri Sorumlularının %81'inin artık yapay zekayı veriye taşımak yerine, yapay zekayı veriye getirdiğini buluyor.
Bu yaklaşım, veri örgüsü ve veri kumaşı gibi modern mimari modellerine dayanır ve sanallaştırılmış bir katman sağlar.