Các tập đoàn đang vứt đi hàng tỉ dữ liệu vì họ không thể làm cách nào để chúng hoạt động cùng nhau. Nếu họ thành công trong việc sử dụng dữ liệu trong việc phát triển các sản phẩm dựa trên nó ví dụ như trí tuệ nhân tạo AI, chúng cần được điều chỉnh và hỗ trợ cho các dữ liệu backend cho các hệ thống này.
Đó là ý tưởng chính trong nghiên cứu mới nhất, dựa trên cuộc khảo sát 2.500 Giám đốc điều hành bởi Infosys Knowledge Institute, ước tính rằng các doanh nghiệp có thể tạo ra hơn 460 tỷ USD lợi nhuận nếu như có một người có thể quản lý tốt dữ liệu.
Điều này bao gồm việc cải thiện hoạt động sử dụng dữ liệu, tin tưởng hơn vào AI và tích hợp AI với các hoạt động kinh doanh.
Cuộc khảo sát này đã xác định 3 trở ngại lớn đối với việc triển khai AI một cách hiệu quả: Thiếu chiến lược dữ liệu tập trung, gắn kết dữ liệu, xác minh dữ liệu yếu và thiếu cơ sở hạ tầng phù hợp. Hầu hết các doanh nghiệp không có chiến lược quản lý dữ liệu nhất quán.
Những người được khảo sát đều muốn quản lý dữ liệu tập trung, nhưng đây không phải là điều mà hầu hết mọi người làm bây giờ. Phân tích kết quản khảo sát cho thấy quản lý dữ liệu tập trung có liên quan tới việc tăng trưởng doanh thu và lợi nhuận. 26% só người được hỏi hiện đang có cách tiếp cận tập trung; 49% muốn áp dụng cách tiếp cận mới trong năm tới.
Các tác giả của nghiên cứu, Chad Watt và Jeff Kavanaugh, thuộc Viện Infosys, nhấn mạnh. “Các doanh nghiệp không thể coi dữ liệu của họ là dầu mỏ, được khai thác triệt để và chỉ có giá trị khi được tinh chế.”
Dữ liệu ngày nay giống như một loại tiền tệ hơn: “Nó sẽ tăng giá trị khi lưu hành. Các công ty nhập dữ liệu và chia sẻ dữ liệu rộng hơn sẽ đạt được kết quả tài chính tốt hơn và cho thấy tiến bộ lớn hơn đối với việc sử dụng AI ở quy mô doanh nghiệp – một mục tiêu quan trọng đối với 3/4 doanh nghiệp trong cuộc khảo sát” Watt và Kavanaugh chia sẻ.
Sự thành công của tiền tệ phụ thuộc vào độ tin cậy và điều này cũng áp dụng cho dữ liệu. “AI tiên tiến đòi hỏi sự tin tưởng”. “Hãy tin tưởng vào khả năng quản lỹ dữ liệu của bạn và người khác, cũng như tin tưởng vào các mô hình AI. Dữ liệu nguyên bản và các mô hình AI được lập trình hoàn hảo chẳng có ý nghĩa gì nếu con người không tin tưởng và sử dụng những gì dữ liệu và AI tạo ra”.
Cuộc khảo sát cho thấy các doanh nghiệp chia sẻ dữ liệu trong và ngoài tổ chức của họ có nhiều khả năng đạt doanh thu cao hơn và ứng dụng vào AI tốt hơn. “Việc làm mới dữ liệu gần với thời gian thực hơn cũng tương quan với việc tăng lợi nhuận và doanh thu”.
Một phép ngoại suy mà các tác giả của nghiên cứu đưa ra là dữ liệu giống như năng lượng hạt nhân hơn là nhiên liệu hoá thạch. “Dữ liệu chứa nhiều tiềm năng cần được xử lý đặc biệt và có thể gây nguy hiểm nếu không được kiểm soát. Dữ liệu của thế kỷ 21 có thời gian sử dụng lâu dài. Khi nào sử dụng, sử dụng chỗ nào, và làm sao có thể kiểm soát nó là những điều quan trọng.
Cuộc khảo sát cho thấy các doanh nghiệp đều chưa quen với việc sử dụng AI. Hơn 8 trong số 10 doanh nghiệp, 81% mới chỉ triển khai AI lần đầu trong vòng 4 năm qua và 50% trong 2 năm qua. Ngoài ra, 63% mô hình AI chỉ hoạt động ở khả năng cở bản và do con người điều khiển. Họ thường thiếu việc xác minh dữ liệu, sử dụng dữ liệu và chiến lược xây dựng dữ liệu. Chỉ 26% doanh nghiệp tham gia rất hài lòng với dữ liệu và công cụ AI của họ.
Các tác giả đã xác định các doanh nghiệp đạt hiệu suất cao có xu hướng tập trung mạnh vào 3 lĩnh vực::
- Chuyển đổi quản lý dữ liệu để chia sẻ: Watt và Kavanaugh nói: “Các doanh nghiệp sử dụng dữ liệu chia sẻ tạo giá trị lớn hơn từ dữ liệu của họ”. “Dữ liệu tăng giá trị khi được coi như là một loại tiền tệ và được lưu hành thông qua các mô hình quản lý dữ liệu hub-and-spoke. Các doanh nghiệp làm mới dữ liệu với độ trễ thấp sẽ tạo ra nhiều lợi nhuận, doanh thu và giá trị cao hơn”
- Chuyển từ tuân thủ dữ liệu sang tin cậy dữ liệu: “Các doanh nghiệp rất hài lòng với AI hiện tại của họ (hiện chỉ có 21%) có các hoạt động sử dụng dữ liệu tin cậy, có trách nghiệm. Những điều kiện tiên quyết này giải quyết các thách thức về xác minh, thành kiến, xây dựng lòng tin và cho phép những người tham gia sử dụng deep learning và các thuật toán nâng cao khác.
Theo: https://www.zdnet.com/article/the-problem-with-ai-its-not-you-its-the-data/
