که برای لمس رندر آینده‌نگر یک پردازنده هوش مصنوعی دراز تحقیقات جدید ادعا می‌کند در حالی که بیشتر (۹۰ درصد) شرکت‌ها هوش مصنوعی را به کار می‌گیرند، زیرساخت‌های قدیمی و شکاف‌های مهارتی قابل توجه مانع از درو کردن پاداش‌ها می‌شوند.
نظرسنجی Cloudera از 600 رهبر فناوری اطلاعات از ایالات متحده، EMEA و APAC، چالش‌ها و موارد استفاده رایج از هوش مصنوعی در تجارت، از جمله قطع ارتباط بین وعده‌های بهره‌وری و واقعیت را برجسته کرد.
گزارش Cloudera نشان می‌دهد که بسیاری از سازمان‌ها در تلاش هستند تا هوش مصنوعی را به طور کامل پیاده‌سازی کنند و بسیاری از آنها به نگرانی‌ها در مورد خطرات امنیتی و انطباق (74%)، آموزش کافی یا استعداد (38%) و هزینه‌های بالا (26%) اشاره می‌کنند.
شرکت ها در تلاش هستند تا هوش مصنوعی را به طور موثر بپذیرند
این مطالعه تنها یکی از تعداد فزاینده‌ای است که اهمیت یک پایه داده محکم در استقرار هوش مصنوعی را تایید می‌کند. اکثریت قریب به اتفاق (94٪) از پاسخ دهندگان به داده های خود اعتماد دارند، با این حال بیش از نیمی (55٪) از دسترسی به آن ابراز ناامیدی شدید کردند.
مسائلی مانند مجموعه داده‌های متناقض (49%)، مشکل در مدیریت داده‌ها در پلتفرم‌ها (36%) و اضافه بار داده (35%) نیاز به معماری مدرن‌تری را برای اطمینان از دسترسی به داده‌ها برجسته می‌کند.
Abhas Ricky، مدیر ارشد استراتژی کلودرا، خلاصه کرد: «برای اکثر شرکت‌ها، کیفیت داده‌های آنها عالی نیست، در زیرساخت‌های مختلف توزیع شده است و به شیوه‌ای کارآمد مستند نشده است، و ما پیامدهای ارائه شده در چالش‌ها را می‌بینیم. توسط نظرسنجی مشخص شد.»
با راه اندازی مناسب، هوش مصنوعی معمولاً برای افزایش تجربیات مشتری (60٪)، بهبود کارایی عملیاتی (57٪) و سرعت بخشیدن به فرآیندهای تجزیه و تحلیل (51٪) استفاده می شود.
این مطالعه همچنین به استفاده گسترده‌تر از هوش مصنوعی فراتر از عملکردهای اصلی فناوری اطلاعات اشاره کرد و اشاره به پذیرش گسترده آن و امیدواری داشت که این فناوری بتواند کارایی را در بین تیم‌ها، به‌ویژه خدمات مشتری، بهبود بخشد.
با نگاهی به آینده، ریکی به شرکت‌ها پیشنهاد می‌کند که نحوه نگاهشان به داده‌ها در زمینه هوش مصنوعی را دوباره چارچوب‌بندی کنند: «به جای آوردن داده‌ها به مدل‌ها، شرکت‌ها شروع به درک مزایای آوردن مدل‌های هوش مصنوعی به داده‌های خود کرده‌اند.»
ارسال نظر