Kyndryl 为构建正确的 AI 数据和业务基础提供指导

雅加达 - Kyndryl和Ecosystem在一份题为“帮助组织构建可衡量人工智能的5个见解”的报告中指出，仍有许多公司在实施人工智能（AI）技术方面存在问题。

研究结果发现，至少有48%的研究参与者在将AI解决方案与现有系统集成时经常面临挑战，38%在从各种内部来源收集数据时面临挑战，34%在数据质量方面存在困难。

根据研究结果，Kyndryl报告提供了一些重要的见解，以指导组织构建可扩展的AI，例如：

数据访问成为主要障碍

Kyndryl报告显示，东盟各地的数据成熟度和人工智能采用率各不相同，只有7%的研究参与者专注于建立正确的数据和人工智能基础。构建数据集需要关键条件，例如关注干净可靠的数据、数据互操作性策略以及构建合成数据以弥合数据差距。

组织需要数据创造力

东盟的组织认识到，数据优先的组织将从其数据和人工智能投资中获得更多价值。从 2023 年到 2024 年，未来两年，77% 的参与者将增加对人工智能和数据解决方案的使用，以获得更好的客户体验，75% 的参与者将用于人力资源，72% 的参与者将用于营销。这将有助于确定数据的一些商业机会并确定其优先级。

治理不是内置于组织中的

报告指出，缺乏内部政策和对风险的了解有限（36%）是东盟有效数据治理政策面临的两大挑战。数据驱动型组织制定的数据治理策略应包括问责制和所有权指南、监管标准、专门的数据管理团队以及重新评估所创建策略的常规流程。

缺乏上游到下游的数据生命周期管理

对于组织来说，在整个数据生命周期中内置观察、智能和自动化功能至关重要。构建满足当前需求的数据基础架构可能无法支持未来的业务需求，因为数据会继续大幅发展，这表明组织的前景并不明确。

数据和人工智能的民主化必须是一个目标

将数据和人工智能解决方案引入组织的真正价值在于，从这些解决方案中受益的人是管理并运行解决方案的实际用户。然而，东盟只有10%的组织拥有管理或维护人工智能解决方案的业务团队。