Хотите более умное понимание в вашем почтовом ящике? Подпишитесь на наши еженедельные информационные бюллетени, чтобы получить только то, что имеет значение для искусственного интеллекта предприятия, данных и лидеров безопасности. Подписаться сейчас
Сегодняшние возможности ИИ полагаются на огромное количество данных — и в результате, профессионал по данным переосмысливает свои роли на предприятии.
Революция искусственного интеллекта, в которой мы втянуты сегодня, прогрессировала на такой головой скорости, 77% лидеров бизнеса уже беспокоятся о том, что они упускают выгоды, согласно опросу Salesforce в ноябре 2023 года.
Но с почти безграничной применимостью ИИ, где должна сначала сосредоточиться организация? О наиболее ценном товаре, которым владеет предприятие — его данные — и позиции, наиболее тесно связанные с поддержанием, манипулированием и употреблением. В конце концов, сегодняшние знаменитые генеративные модели ИИ дают результаты только так же хороши, как и огромное количество данных, для которых они обучены. Способные управляющие этим имуществом данных необходимы.
ИИ заменит несколько ролей, связанных с данными. Вместо этого программное обеспечение с AI, способствующее AI, улучшит их возможности-и поощряет амбициозные специалисты по данным, чтобы приобрести любые новые навыки, связанные с ИИ, могут быть потребованы. Вот краткое изложение IMPACT AI на роли данных по всей организации.
Главные сотрудники данных (CDO)
Роль CDO является одной из самых сложных рабочих мест на C-уровне, причем CDO сохраняет свои позиции в среднем всего 2 с половиной года, согласно Harvard Business Review. ИИ является потенциальным изменением игры в CDO, поскольку он предлагает новые возможности для обеспечения ценности для предприятия.
До недавнего времени офис CDO считался центром затрат, который обеспечивает управление данными, честность и безопасность. ИИ поднимает стойку CDO ключевыми способами. Во -первых, он добавляет изобилие автоматизации для улучшения качества данных, производительности базы данных и аналитики данных, что дает лучшие результаты по всем направлениям. Во -вторых, приложения ИИ, от чат -ботов до оптимизаторов цен до прогнозирующей аналитики, зависят от гигантских репозиториев качественных данных — и многие из этих приложений уже приводят к новым доходам.
Но ИИ также добавляет важное новое обязательство для CDO: они должны гарантировать, что данные обучения искусственного интеллекта не дают предвзятых результатов. Классическим примером является непреднамеренная ассоциация риска с заемщиками меньшинства, кандидатами на работу, деловыми партнерами и так далее. Избегание предвзятости ИИ также является обязанностью разработчиков приложений ИИ, поэтому совместное тестирование должно быть продолжается.
Данные архитекторы
Архитекторы данных привносят в жизнь видение, политику и инициативы CDO посредством эффективного планирования и дизайна. Это начинается с моделирования данных: сбор и анализ требований к данным и разработка логических и физических моделей для их размещения. Моделирование данных с AI находится на ранней стадии, но по мере того, как технология созревает, это поможет архитекторам производить более сложные и точные модели.
Архитекторы данных могут использовать инструменты с поддержкой AI для определения тенденций в использовании данных с целью установления оптимального местоположения данных, производительности хранения и безопасности данных для обслуживания приложений в организации. Такой анализ может распространяться на планирование прогнозирующей способности, чтобы архитекторы могли определить, какие данные хранить, на каких платформах, сейчас и в будущем, в помещениях или в облаке.
Инженеры и специалисты по интеграции
Инженеры по данным обычно управляют данными в системе, а не на организационном уровне, с акцентом на инфраструктуру, тогда как специалисты по интеграции данных решают старую проблему смешивания и согласования данных из нескольких репозиториев для любого количества бизнес-приложений. Эти две перекрывающиеся роли уже получают выгоду от ИИ.
Ключевой проблемой в этой области является управление метаданными, то есть организация всей существенной информации, которая описывает данные, полезные для предприятия, независимо от происхождения или платформы. Инструменты ИИ уже существуют, которые могут помочь поверхности и регуляции схемы метаданных для картирования данных и интеграции. Некоторые также автоматизируют создание трубопроводов данных, которые образуют ткань интеграции данных. Новые предложения искусственного интеллекта могут постоянно контролировать качество данных, поскольку они протекают через трубопроводы, отмечая несоответствия в режиме реального времени.
Администраторы базы данных (DBA)
Управление базой данных предприятия — это работа со многими аспектами, от настройки производительности до интенсивного SQL -запроса до обеспечения доступности и безопасности. DBA, как правило, необходимо сбалансировать требования различных наборов пользователей, в то же время минимизируя сбои в качестве шкалы хранилища данных и появления новых версий программного обеспечения базы данных. Здесь снова ИИ может сократить время, потраченное на черные задачи, позволяя DBA тратить больше времени на захват и удовлетворение потребностей заинтересованных сторон.
Но большая победа заключается в оптимизации. Использование инструментов с AI для анализа характеристик производительности позволяет DBAS помечать узкие места и предвидеть будущие ограничения инфраструктуры-или фактически добавлять мощность без вмешательства человека. Инструменты искусственного интеллекта, которые преодолевают саму базу данных, могут предложить индексацию настройки и рекомендовать изменения в запросах, которые быстрее дают лучшие результаты.
Ученые данных
AI, возможно, обеспечивает наибольшее преимущество из всех ученых данных, работа, которая требует расширенных навыков в программировании, машинном обучении (ML), математике и инструментах анализа данных. Например, автоматизированный ML (Automl) значительно облегчает задачу разработки модели, включая выбор правильного алгоритма машинного обучения для работы. Кроме того, как и в случае с любым программированием, ученые -данные, пишущие Python или R Code, могут извлечь выгоду из повышения производительности, предлагаемой помощниками кодирования искусственного интеллекта.
Ученые по данным пользуются широкой компетенцией, нажимая огромное количество данных для выявления долгосрочных тенденций, рисков и возможностей предприятия-процесса, обогащенного новым урожаем программного обеспечения для аналитики, наполненного AI. Но работа поставляется с грязным маленьким секретом: ученые данных проводят большую часть времени по поиску, уборке и предварительной обработке. КАКТАЛА ДАННЫХ ДАННЫХ ДАННЫЙ УКАЗАЛИТАЦИИ УКАЗАТЬ ИСТОЧНИК, в то время как появляются инструменты ИИ, чтобы помочь выполнить шесть элементов качества данных: точность, полнота, последовательность, уникальность, своевременность и достоверность. Эта основа добавляет ценность аналитике данных по всему предприятию.
Аналитики данных
Как и ученые для данных, аналитики данных используют новые возможности ИИ, зачитываемые в новейшие аналитические инструменты, хотя аналитики данных обычно фокусируются на поддержке решений для конкретной домены, а не на общении. В течение многих лет ИИ обладает предсказательной аналитикой, но новая, итеративные возможности ML — это улучшение распознавания паттерна (и аномалии), чтобы получить гораздо более точные прогнозы. ИИ также может служить лучшей визуализации для поставленной задачи и даже автоматически генерировать панели панели.
Вся эта автоматизация имеет эффект расширения доступа к аналитике данных. Интерфейсы естественного языка позволяют тем, кто не имеет навыков языка запросов, выполнять свой собственный анализ, в то время как руководство, предлагаемое ИИ, помогает предотвратить немытое совершение ошибок новичков. ИИ навсегда меняет аналитику в поразительном клипе, значительно расширяющихся возможностях и оснащена более широкой полосой бизнес-аналитиков более мощными инструментами самообслуживания.
Разработчики программного обеспечения
Строго говоря, разработчики программного обеспечения не являются специалистами по данным, но, очевидно, они имеют дело с огромными количествами данных в форме миллионов строк кода. В то же время многие разработчики интегрируют возможности ML в приложения, которые обрабатывают все виды корпоративных данных. В обоих случаях помощники по кодированию на основе искусственного интеллекта оказывают двузначное влияние на производительность разработчиков.
Помощники кодирования выходят за рамки простого завершения повторяющихся строк кода. Используя запросы естественного языка обширных репозиториев с открытым исходным кодом, а также фирменной базы кода собственной компании, разработчикам больше не нужно героически отслеживать неясные детали синтаксиса. Помощники кодирования могут обслуживать их хорошо сформированные-и в соответствии с правилами кодирования, установленными организацией разработчика. В некоторых случаях помощники кодирования также рекомендуют правильные алгоритмы машинного обучения для конкретных задач применения.
Завоевание ИИ на предприятии
Можно с уверенностью сказать, что ни одна новая технология оказала более широкое влияние так же быстро, как ИИ. Хотя защитники данных и разработчики видят наибольшее влияние, специалисты в области маркетинга, разработки продуктов, операций по обслуживанию, анализа рисков и многого другого участвуют в хоккейной палке с принятием искусственного интеллекта. Улучшения в качестве и анализ данных уже ощущаются по всему предприятию. Возможно, самый удивительный факт — мы только начинаем.
Jozef de Vries — директор по проектированию продуктов для EnterprisedB.
Источник
