از هر رهبر کسب و کاری بپرسید و آنها خواهند بيان کرد که آماده اند از هوش مصنوعی مولد برای یافتن کارایی، به دست آوردن مزیت مولد و ایجاد نوآوری استفاده کنند. اما در زیر سطح حفاری کنید و بسیاری متوجه می شوند که داده های اساسی آنها آماده نیست. در واقع، نظرسنجی سالانه ما از افسران ارشد داده‌های بریتانیا (CDOs) چالش‌هایی را که با استفاده از کیفیت داده‌های خاص دامنه برای آموزش و تنظیم دقیق مدل‌های زبان بزرگ (LLM) با آن مواجه هستند، روشن می‌کند (40%). و کیفیت داده ها (38٪) به عنوان مسائل در حال ظهور است.

قبل از اینکه کسب‌وکارها بتوانند از هوش مصنوعی مولد برای متحول کردن کسب‌وکار خود استفاده کنند، به پایه‌های داده مناسب در زیر آن نیاز دارند. با این حال، واضح است که سازمان‌ها برای دسترسی به داده‌های قابل اعتماد و قابل اعتماد با چالش‌های جدی مواجه هستند، مطالعه ما نشان می‌دهد که یک سوم CDO‌ها فاقد دید کامل و درک جامع از اطلاعات سازمان خود هستند. بدون این دیدگاه، برای یک کسب و کار تقریبا غیرممکن است که یک استراتژی هوش مصنوعی مولد کاملاً شکل گرفته ایجاد کند.

پل فنی

با رویکرد درست، Gen AI فرصتی را برای تجهیز کاربران غیر فنی به توانایی دسترسی، درک و استفاده بی‌دردسر از مجموعه‌های داده، ارائه می‌دهد. برای مدت طولانی، کاربران تجاری در نقش های مختلف با موانع قابل توجهی در دسترسی و تفسیر داده ها به دلیل موانع فنی، منابع داده های پراکنده و فقدان سواد داده مواجه بوده اند. نیاز به تسلط بر ابزارهایی مانند SQL و Python مدتهاست که یک مانع بوده است. این داده های ارزشمند را برای بسیاری غیرقابل دسترس نگه داشته است. از محققانی که داروهای جدید تولید می‌کنند تا تیم‌های فروش که سعی در درک بهتر نیازهای مشتری دارند.

اما ژنرال هوش مصنوعی رویکردی فراگیرتر را تقویت می کند. برای شرکت‌هایی که پایه‌های خوب و باکیفیت دارند، به کارکنان تشنه داده اجازه می‌دهد تا مجموعه‌های پیچیده داده‌های بزرگ را با اعلان‌های ساده و به زبان ساده هدایت کنند. سازمان‌هایی که لایه داده را به درستی دریافت می‌کنند، در حال دریافت پاداش هستند. به عنوان مثال، تحلیلگران بازاریابی می‌توانند از یک مدل هوش مصنوعی ژنرال بخواهند «داده‌های ریزش مشتری را تجزیه و تحلیل کند و محرک‌های کلیدی را شناسایی کند» یا یک مدیر زنجیره تأمین می‌تواند «پیش‌بینی تقاضای محصول بر اساس فروش تاریخی و روند بازار» را درخواست کند. هوش مصنوعی ژنرال هوشمند و اتوماسیون را به داده‌ها می‌آورد و به کسب‌وکارها این قدرت را می‌دهد که در لحظه از داده‌ها بینش استخراج کنند.

اول اصول

برای استفاده کامل از قدرت Gen AI و قرار دادن قدرت در دست کاربران تجاری، ابتدا باید تمام مشکلات موجود در زنجیره تامین داده برطرف شود. پس ، سازمان‌ها باید اصول مدیریت داده‌ها را اولویت‌بندی کنند تا اطمینان حاصل شود که داده‌هایی که استفاده می‌کنند جامع، دقیق، به‌روز، در دسترس و محافظت شده است. در وهله اول، این شامل سرمایه گذاری در پلتفرم های مدیریت داده ساده شده برای کاهش بدهی های فنی و تقویت نوآوری است. یک پلت فرم یکپارچه مجموعه‌های داده‌های متنوعی را گرد هم می‌آورد تا شرکت‌ها بتوانند تحویل محصولات داده‌ای را تسریع کنند و کاربران را با داده‌هایی که در نوک انگشتان خود دارند توانمند کنند و امکان تصمیم‌گیری مبتنی بر داده‌ها را فراهم کنند.

ثانیا، سرمایه گذاری در سواد داده به همان اندازه برای پذیرش موفقیت آمیز Gen AI ضروری است. کارکنان باید بدانند که چگونه اعلان‌ها را ساختاردهی کنند، داده‌ها را تفسیر کنند و بهترین شیوه‌های مدیریت داده را به کار گیرند. به‌علاوه، کسب‌وکارها باید دقت داده، ارتباط، کنترل‌های حریم خصوصی و «توضیح‌پذیری» را در اولویت قرار دهند - توانایی درک و ردیابی منابع داده‌ای که مدل‌هایشان را تغذیه می‌کنند. کسب‌وکارها به این اطمینان نیاز دارند که می‌توانند منابعی را که مدل‌های داده‌شان تغذیه می‌شود، درک و ردیابی کنند، و شفافیت اعتماد به بینش‌های تولید شده توسط Gen AI را تقویت می‌کند.

به عنوان مثال، ما در حال حاضر شاهد هستیم که شرکت های مراقبت های بهداشتی و دارویی یک پلت فرم داده یکپارچه - یکپارچه با Gen AI - را در قلب استراتژی خود قرار داده اند. آنها با ادغام هوش مصنوعی قابل اعتماد و قابل اعتماد در سیستم های خود، دسترسی به داده ها را برای همه بهبود می بخشند، کشف بینش های ارزشمند و تحقیق و توسعه شارژ توربو را تسریع می کنند.

یک تجربه هوش مصنوعی هدایت شده هوشمند

وعده های درخشانی که ارائه می دهد هوش مصنوعی مولد فراوان است - از تسریع کشف و توسعه دارو گرفته تا تحول در فرآیندهای خلاق. با استقبال از هوش مصنوعی ژنرال و اولویت‌بندی بهترین شیوه‌های مدیریت داده، سازمان‌ها می‌توانند آینده‌ای با بهره‌وری افزایش یافته، نوآوری شتاب‌زده و تحول مبتنی بر داده‌ها را در بین صنایع باز کنند.

با این حال، برای سازمان‌هایی که واقعاً می‌خواهند به سازمان‌هایی با هوش مصنوعی تبدیل شوند، ژنرال هوش مصنوعی نیز باید به عنوان کلیدی برای باز کردن نحوه کاوش، مدیریت و تجزیه و تحلیل داده‌های خود استفاده شود. قابلیتی که در عصر هوش مصنوعی به سرعت از یک چیز خوب به یک ضرورت تبدیل می شود.

همانطور که ژنرال هوش مصنوعی و LLM بالغ می شوند و در زمینه های مختلف جاسازی می شوند، فناوری مدیریت داده به طور فزاینده ای در همه جا حاضر می شود. از داشبوردهای تخصصی اطلاعاتی که نمایان شدن یکپارچه معیارهای کلیدی را ارائه می‌دهند تا برنامه‌های چت که دسترسی فوری به نقاط داده را فراهم می‌کنند، هوش مصنوعی ژنرال اطلاعات کسب‌وکار را بیش از هر زمان دیگری در دسترس قرار می‌دهد و بهره‌وری را افزایش می‌دهد و تصمیم‌گیری واقعاً مبتنی بر داده‌ها را ممکن می‌سازد.

اما رهبران کسب‌وکار باید به فرهنگ داده‌های خودشان نیز فکر کنند. پیمایش در یک دوره هوش مصنوعی ژنرال مستلزم داشتن پایه های داده مناسب است، اما همچنین ایجاد آگاهی در میان کارمندان در مورد اهمیت داده ها برای آنها در حرکت رو به جلو است. تنها با این ملاحظات، کاربران می توانند تجربه هدایت شده هوشمندانه ای داشته باشند که انجام وظایف پیچیده داده را ساده می کند. و از فرصت برای به دست آوردن یک مزیت رقابتی استفاده کنید که جاه طلبی های هوش مصنوعی ژنرال را به واقعیت تبدیل می کند.

ما بهترین سازنده وب سایت هوش مصنوعی را معرفی کرده ایم.

این مقاله به عنوان بخشی از کانال Expert Insights TechRadarPro تهیه شده است که در آن بهترین و باهوش ترین ذهن ها در صنعت فناوری امروز را معرفی می کنیم. نظرات بیان شده در اینجا نظرات نویسنده است و لزوماً نظرات TechRadarPro یا Future plc نیست. اگر علاقه مند به مشارکت هستید، اطلاعات بیشتری را در اینجا بیابید: https://www.techradar.com/news/submit-your-story-to-techradar-pro