大多數(shù)企業(yè)不相信人工智能能夠自主做出商業(yè)決策
大多數(shù)企業(yè)不相信人工智能能夠自主做出商業(yè)決策
- Fivetran公布的一項調(diào)查數(shù)據(jù)顯示，86%的企業(yè)難以完全信任人工智能，這表明其人工智能成熟度較低，無法在沒有人工干預(yù)的情況下做出所有商業(yè)決策。
- 盡管87%的企業(yè)將人工智能視為商業(yè)的未來，并打算擴大對人工智能的投資，但由于技術(shù)挑戰(zhàn)和缺乏教育，人們對機器主導(dǎo)的決策缺乏信任，這是一個重大障礙。
- 此外，71%的受訪者難以訪問執(zhí)行AI算法、工作負(fù)載和模型所需的所有數(shù)據(jù)。
- 據(jù)Fivetran報道，未來數(shù)據(jù)科學(xué)家將花費更少的時間在手動活動上，從而專注于創(chuàng)建AI模型，并啟動更多的數(shù)據(jù)和AI項目。
大多數(shù)員工認(rèn)為其企業(yè)不夠成熟
論文《實現(xiàn)人工智能:對人工智能機會和障礙的研究》解釋了企業(yè)在當(dāng)今人工智能生態(tài)系統(tǒng)中面臨的問題。該論文調(diào)查了盡管87%的企業(yè)將人工智能視為商業(yè)的未來，并打算擴大對其的投資，但由于技術(shù)挑戰(zhàn)和缺乏教育，對機器主導(dǎo)的決策缺乏信任是一個重大障礙。只有14%的受訪者認(rèn)為其企業(yè)在人工智能成熟度方面是“先進的”。
幾乎所有接受調(diào)查的企業(yè)都從運營系統(tǒng)獲取和使用數(shù)據(jù)，但數(shù)據(jù)挑戰(zhàn)仍在繼續(xù)。根據(jù)調(diào)查結(jié)果，技術(shù)數(shù)據(jù)管道是造成挫折的一大原因，73%的受訪者表示，從不同來源提取、加載和處理數(shù)據(jù)到單獨的倉庫是一個重大的困難。此外，71%的受訪者表示難以訪問執(zhí)行AI算法、工作負(fù)載和模型所需的所有數(shù)據(jù)。
這導(dǎo)致73%的受訪者不太信任將數(shù)據(jù)洞察轉(zhuǎn)化為決策者的實際指導(dǎo)，這迫使其在71%的情況下依賴于人類主導(dǎo)的判斷。
根據(jù)研究結(jié)果，數(shù)據(jù)科學(xué)家花更多的時間處理數(shù)據(jù)，而不是構(gòu)建AI模型，以通過預(yù)測和決策洞察力來提高業(yè)務(wù)成果。當(dāng)被問及在準(zhǔn)備數(shù)據(jù)和構(gòu)建AI模型上花費多少時間時，數(shù)據(jù)科學(xué)家表示，這平均占用其時間的70%。87%的受訪者表示覺得自己在企業(yè)沒有得到充分利用。
數(shù)據(jù)治理問題也是組織關(guān)注的一個問題。64%的接受調(diào)查的美國組織承認(rèn)，在遵守數(shù)據(jù)治理角色、政策和標(biāo)準(zhǔn)方面仍有顯著改進的空間，以確保數(shù)據(jù)被有效、安全地使用，并符合政府法規(guī)。
Fivetran認(rèn)為數(shù)據(jù)自動化和AI管道是AI成熟問題的解決方案。“隨著自動化程度的提高，企業(yè)可以在節(jié)省時間的同時實現(xiàn)更大的規(guī)模和成本效益。更重要的是，更多的自動化可以讓數(shù)據(jù)科學(xué)家專注于解決對業(yè)務(wù)重要的復(fù)雜問題，而不是保持?jǐn)?shù)據(jù)管道正常工作。”——來自Fivetran的BrennerHeintz在博客文章中表示。
Fivetran還提到，教商業(yè)利益相關(guān)者建立對AI的信任，并提高其AI成熟度可能是一個解決方案。“利益相關(guān)者和商業(yè)用戶必須了解人工智能流程，才能充分理解這些決策是如何做出的。但同樣重要的是，人類的參與應(yīng)該集中在正確的領(lǐng)域，例如提高數(shù)據(jù)質(zhì)量和AI模型的性能，這將帶來更大的信任。”
Fivetran表示，其自動化數(shù)據(jù)管道會對模式更改做出反應(yīng)，允許客戶完全自動化地將大量數(shù)據(jù)源輸入一個基于云的數(shù)據(jù)倉庫或數(shù)據(jù)湖進行數(shù)據(jù)轉(zhuǎn)換，從而節(jié)省大量時間。Fivetran進一步聲稱，其基于消費的定價策略使企業(yè)能夠通過僅復(fù)制所需數(shù)據(jù)來減少開支。最后，該公司聲稱，數(shù)據(jù)科學(xué)家將在手工活動上花費更少的時間，從而使之專注于開發(fā)AI模型以及啟動新的數(shù)據(jù)和AI項目。
Fivetran首席執(zhí)行官GeorgeFraser表示:“這項研究凸顯了組織間數(shù)據(jù)移動和訪問效率低下的顯著差距。一個成功的AI程序依賴于堅實的數(shù)據(jù)基礎(chǔ)，以云數(shù)據(jù)倉庫或湖為基礎(chǔ)。利用現(xiàn)代數(shù)據(jù)棧的分析團隊可以更容易地擴展其數(shù)據(jù)價值，并最大限度地提高其在人工智能和數(shù)據(jù)科學(xué)方面的投資。”
