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。
The English, Chinese, Japanese, Arabic, and French versions are automatically generated by the AI. So there may still be inaccuracies in translating, please always see Indonesian as our main language. (system supported by DigitalSiber.id)
