Για την απελευθέρωση των δυνατοτήτων του GenAI, τα δεδομένα υψηλής ποιότητας είναι απαραίτητα

Ο Sean είναι Διευθύνων Σύμβουλος της DryvIQη μη δομημένη εταιρεία διαχείρισης δεδομένων την οποία εμπιστεύονται περισσότεροι από 1.100 οργανισμοί σε όλο τον κόσμο.

Μετά την έκρηξη της γενετικής τεχνητής νοημοσύνης (GenAI), το 2023 ήταν μια ολόκληρη χρονιά πειραματισμού. Οι εταιρείες διερεύνησαν τις δυνατότητες καινοτόμων τεχνολογιών όπως το ChatGPT, το Bard και άλλες. Ωστόσο, καθώς προχωράμε προς το 2024, η εστίαση έχει μετατοπιστεί από τον πειραματισμό με αυτόνομα εργαλεία στην αύξηση της πραγματικής επιχειρηματικής αξίας με ενσωματώσεις τεχνητής νοημοσύνης σε επίπεδο επιχείρησης, όπως το Microsoft Copilot.

Οι ηγέτες των επιχειρήσεων είναι πρόθυμοι να αναπτύξουν το GenAI σε διάφορες περιπτώσεις χρήσης για τον εξορθολογισμό των λειτουργιών, τη βελτίωση της εμπειρίας των πελατών και την αυτοματοποίηση των εργασιών. Ωστόσο, η εφαρμογή αυτών των μοντέλων χωρίς στρατηγική εξέταση μπορεί να οδηγήσει σε μεροληπτικά αποτελέσματα, επιχειρηματικούς κινδύνους και σε διάβρωση της εμπιστοσύνης των ενδιαφερομένων.

Πέρα από τη στρατηγική, τίθεται ένα κρίσιμο ερώτημα: εμπιστεύεστε τα δεδομένα σας; Τα αξιόπιστα δεδομένα είναι απαραίτητα για το ξεκλείδωμα της καινοτομίας και την ανάπτυξη ανταγωνιστικού πλεονεκτήματος με το GenAI. Η ποιότητα των γνώσεων του GenAI είναι ευθέως ανάλογη με την ποιότητα των δεδομένων που λαμβάνει. Η αξιοπιστία, η προσβασιμότητα και η ακρίβεια είναι επιτακτική ανάγκη για να ξεκλειδώσετε το πλήρες δυναμικό της τεχνητής νοημοσύνης. Από ανόμοια αποθετήρια έως πολύπλοκα οικοσυστήματα δεδομένων, η διαδρομή προς την ευφυΐα που μπορεί να λειτουργήσει συχνά αμαυρώνεται από ασυνέπειες, σιλό και αβεβαιότητες.

Για τη δημιουργία επιχειρηματικής αξίας από το GenAI, η στρατηγική εφαρμογή είναι πρωταρχικής σημασίας, καθώς απαιτεί ακλόνητη εμπιστοσύνη στα δεδομένα ενός οργανισμού. Η απόκτηση αυτής της εμπιστοσύνης απαιτεί επανεξέταση του τρόπου με τον οποίο εφαρμόζουμε το GenAI και πώς διαχειριζόμαστε την υγιεινή, την ποιότητα και την ασφάλεια των μη δομημένων δεδομένων μας.

Αγκαλιάστε το ταξίδι AI με αυτοπεποίθηση, πεποίθηση και σαφήνεια

Οι ηγέτες θα πρέπει να αξιολογήσουν προσεκτικά την αξία οποιασδήποτε πρωτοβουλίας GenAI πριν την κλιμακώσουν. Η πρόσφατη διαφημιστική εκστρατεία για τον ψηφιακό μετασχηματισμό χρησιμεύει ως προειδοποιητική ιστορία: Μια μελέτη του 2023 από την KPMG διαπίστωσε ότι το 51% των επενδύσεων ψηφιακού μετασχηματισμού των αμερικανικών εταιρειών δεν οδήγησε σε αυξημένη απόδοση.

Για να προστατέψετε το ταξίδι σας στο GenAI από παρόμοια μοίρα, ξεκινήστε με πρωτοβουλίες υψηλής αξίας. Δεν είναι ίση όλη η παραγωγικότητα ή η ξεκλειδωμένη επιχειρηματική αξία. Η βελτίωση της παραγωγικότητας ενός υπαλλήλου του γραφείου υποστήριξης πληροφορικής κατά 10% μπορεί να μην έχει τον ίδιο αντίκτυπο με αυτόν ενός στελέχους εταιρικού λογαριασμού. Σύμφωνα με μια πρόσφατη έκθεση της McKinsey, περίπου το 75% της συνολικής αξίας των περιπτώσεων χρήσης GenAI θα προέρχεται από μόνο τέσσερις από τις 16 επιχειρηματικές λειτουργίες: λειτουργίες πελατών, πωλήσεις και μάρκετινγκ, μηχανική λογισμικού και έρευνα και ανάπτυξη.

Η διεξαγωγή αξιολόγησης αξίας και η εστίαση σε περιπτώσεις χρήσης GenAI υψηλού αντίκτυπου πριν από την έναρξη της επιχείρησης θα αυξήσει την εμπιστοσύνη στο δυναμικό απόδοσης επένδυσης της τεχνολογίας.

Η ποιότητα και η ασφάλεια των δεδομένων ήταν πάντα ένα ζήτημα. Η GenAI το έχει αποκαλύψει περαιτέρω

Η αποτελεσματικότητα του GenAI εξαρτάται από την ποιότητα και την ασφάλεια των δεδομένων, ιδιαίτερα με μη δομημένα δεδομένα, τα οποία αποτελούν το 90% όλων των εταιρικών δεδομένων. Η φύση των μη δομημένων δεδομένων —ο όγκος, η ποικιλία και η συνεχής δημιουργία, ενημέρωση και κοινή χρήση εγγράφων από εργαζόμενους στη γνώση— καθιστά τη διασφάλιση της ποιότητας και της ασφάλειας προκλητική.

Η ποιότητα των δεδομένων δεν είναι νέο ζήτημα. Οι ανησυχίες για την υγιεινή και την ασφάλεια ταλαιπωρούν τον κόσμο της διακυβέρνησης, του κινδύνου και της συμμόρφωσης εδώ και χρόνια. Το πρόβλημα τώρα είναι η ευκολία με την οποία το GenAI μπορεί να εκθέσει αυτά τα τρωτά σημεία.

Εξετάστε τα ακατάλληλα δικαιώματα χρήστη. Εάν ένας υπάλληλος έχει πρόσβαση σε ένα έγγραφο που περιέχει εμπιστευτικές πληροφορίες, ο κίνδυνος είναι μικρός εάν ο υπάλληλος δεν γνωρίζει ότι το έγγραφο υπάρχει. Ωστόσο, εάν ένα μοντέλο μεγάλης γλώσσας (LLM) μπορεί να χρησιμοποιήσει όλα τα προσβάσιμα δεδομένα εργαζομένων, θα μπορούσε να αποκαλύψει τις πληροφορίες μέσω μιας από τις εξόδους του. Ο κίνδυνος αυξάνεται όταν αυτή η μη εξουσιοδοτημένη πρόσβαση περιλαμβάνει PII υπαλλήλων ή πελατών, πνευματικής ιδιοκτησίας ή άλλες εμπιστευτικές εταιρικές πληροφορίες.

Πέρα από τον αυξανόμενο κίνδυνο, η υγιεινή των δεδομένων επηρεάζει την ποιότητα των αποτελεσμάτων GenAI. Τα διπλά έγγραφα προκαλούν παραισθήσεις και ψευδή συνάφεια στα αποτελέσματα της τεχνητής νοημοσύνης, γεγονός που μειώνει την αξιοπιστία των μοντέλων. Επιπλέον, η «συνάφεια» ποικίλλει ανάλογα με την περίπτωση χρήσης και τα μπαγιάτικα δεδομένα στα σύνολα δεδομένων εκπαίδευσης οδηγούν σε ανακρίβειες και παρωχημένα αποτελέσματα.

Η ανεπαρκής γνώση σχετικά με την καθαριότητα και την ασφάλεια των μη δομημένων δεδομένων που εμπλέκονται στην εκπαίδευση τεχνητής νοημοσύνης μπορεί να διαβρώσει την εμπιστοσύνη στην ακρίβεια και την ποιότητα των αποτελεσμάτων, ενώ αυξάνει τον κίνδυνο έκθεσης ευαίσθητων πληροφοριών, αναιρώντας την αξία της πρώτης εφαρμογής της τεχνολογίας.

Πώς λοιπόν καλλιεργούμε εμπιστοσύνη στα δεδομένα μας;

Αυξήστε την εμπιστοσύνη κάνοντας τα μη δομημένα δεδομένα προσβάσιμα, αναλύσιμα και εφαρμόσιμα

Οι CIO έχουν τονίσει εδώ και καιρό την ανάγκη να δώσουν δομή στα μη δομημένα δεδομένα τους. Η λύση για τη βελτίωση της ποιότητας των δεδομένων και το ξεκλείδωμα της αξίας αυτού του θησαυρού πληροφοριών για περιπτώσεις χρήσης GenAI έγκειται στο να γίνουν τα μη δομημένα δεδομένα προσβάσιμα, αναλύσιμα και εφαρμόσιμα.

Δεν είναι όλα τα εταιρικά δεδομένα κατάλληλα για χρήση στη διαδικασία GenAI. Ο εντοπισμός και η οργάνωση σχετικών και ενημερωμένων πληροφοριών μέσα σε ένα μη δομημένο περιβάλλον αποτελεί πρόκληση, αλλά κρίσιμη για τις διαδικασίες GenAI. Η επιλογή συνόλων εγγράφων ανά περίπτωση χρήσης από διαφορετικούς χώρους αποθήκευσης, η συνεχής ενημέρωση τους, η κατάργηση των παρωχημένων δεδομένων και η εξαίρεση των διπλότυπων μπορεί να μειώσει το θόρυβο και την προκατάληψη, να επιταχύνει το σχηματισμό LLM και να βελτιώσει τη συνάφεια και την ακρίβεια.

Είναι επίσης σημαντικό να διαχειρίζεστε προσεκτικά τα δικαιώματα πρόσβασης για να αποτρέψετε τη μη εξουσιοδοτημένη έκθεση ευαίσθητων πληροφοριών. Αυτό περιλαμβάνει τη διαχείριση όχι μόνο των στοιχείων που μπορούν να έχουν πρόσβαση οι χρήστες, αλλά και των δεδομένων στα οποία εκπαιδεύονται οι LLM.

Η επένδυση στην επεκτάσιμη ανακάλυψη, ταξινόμηση και διαχείριση μη δομημένων δεδομένων είναι κρίσιμη για τον καθαρισμό, την καταλογογράφηση και την προετοιμασία των εταιρικών σας δεδομένων για το GenAI. Χωρίς μηχανισμούς που διέπουν αυτόματα την ακρίβεια και τη συνάφεια των δεδομένων σας ενώ προστατεύουν ευαίσθητες πληροφορίες, η εμπιστοσύνη στην ακεραιότητα των δεδομένων εκπαίδευσης (και στην αξία που μπορεί να προσφέρει η GenAI) θα τεθεί σε κίνδυνο.

Βήματα για να ενισχύσετε το ταξίδι σας στο GenAI με αξιόπιστα δεδομένα

Η εμπιστοσύνη είναι ζωτικής σημασίας για την επιτυχία της τεχνητής νοημοσύνης. Μια έκθεση της Cisco του 2023 αποκάλυψε ότι το 62% των καταναλωτών ανησυχεί για τη χρήση της τεχνητής νοημοσύνης και το 60% έχει χάσει την εμπιστοσύνη στους οργανισμούς λόγω πρακτικών τεχνητής νοημοσύνης.

Προτού παρασυρθείτε στη διαφημιστική εκστρατεία GenAI, δώστε προτεραιότητα σε αυτά τα βήματα για να ξεκινήσετε το ταξίδι σας GenAI με αξιόπιστα δεδομένα.

• Εστίαση των πρωτοβουλιών GenAI στην αξία: Επενδύστε πρώτα σε έργα υψηλής αξίας που ευθυγραμμίζονται με τους βασικούς στόχους.

• Δημιουργία εμπιστοσύνης στα δεδομένα: Εξασφαλίστε την ακρίβεια, τη συνάφεια και την ασφάλεια των δεδομένων σας με την ανακάλυψη και την ταξινόμηση πριν τα χρησιμοποιήσετε για εκπαίδευση τεχνητής νοημοσύνης.

• Δοκιμή διεξοδικά: Πραγματοποιήστε δοκιμές μικρής κλίμακας για τον εντοπισμό και την αντιμετώπιση των κινδύνων πριν από την εφαρμογή σε ολόκληρη την επιχείρηση.

Οι εταιρείες που ξεκινούν πρωτοβουλίες GenAI χρειάζονται σχετικά και αξιόπιστα δεδομένα για να αποφύγουν άλλη μια μάταιη προσπάθεια ψηφιακού μετασχηματισμού. Ως ηγέτες, έχουμε αποφύγει να αντιμετωπίσουμε τις προκλήσεις των μη δομημένων δεδομένων για πάρα πολύ καιρό. Η απόκτηση ελέγχου και η βελτίωση της πρακτικής διαχείρισης δεδομένων βελτιώνει την ποιότητα και την ασφάλεια των εταιρικών μας δεδομένων, δίνοντάς μας τη δυνατότητα να απελευθερώσουμε πλήρως τις δυνατότητες του GenAI και να δημιουργήσουμε τεράστια αξία.


Το Τεχνολογικό Συμβούλιο του Forbes είναι μια κοινότητα μόνο με πρόσκληση για διεθνούς επιπέδου CIO, CTO και στελέχη τεχνολογίας. Είμαι κατάλληλος;


Leave a Reply

Your email address will not be published. Required fields are marked *