在生成式人工智能時代不同行業該如何破除“數據孤島”

當一家組織認識到生成式人工智能帶來的轉型機遇時，它們必須考慮如何在整個企業中部署該技術，尤其要同時兼顧其獨特的行業挑戰、（戰略）優先級、數據類型、應用程序、生態系統合作伙伴和治理要求。金融機構需要確保數據和人工智能治理完全符合嚴格的監管要求，媒體和娛樂公司追求構建能夠推動更深層次產品個性化的人工智能模型，工業制造商則希望利用人工智能強化物聯網，使數據科學家和車間工人都能從數據中輕松地獲得有價值的信息，等等。

在任何一種情況下，最先要做的都是獲取在行業生態系統中管理和共享的所有這些相關數據，包括所有類型、所有來源的實時數據。

當組織能利用正確的數據和人工智能技術實現這一目標時，他們就具備了開啟數據智能的能力：能夠理解自己的數據，并擺脫所謂的“數據孤島”。

但真正的數據智能不光是建立正確的數據基礎，組織也要解決如何在使用生成式人工智能時擺脫對高級技術員工的依賴，并創建關于數據隱私和組織控制的框架。

具體來說，公司希望所有員工都能借助自然語言，從公司自己的數據中收集有價值、可操作的信息，進而大規模利用這些數據，來訓練、構建、部署和調整公司的大型語言模型，并將來自公司數據的高價值信息融入到業務流程中。

在數據智能的下一個前沿領域，企業將通過人工智能的民主化來實現價值最大化，同時在其行業背景下將人員、流程和技術差異化。

《麻省理工科技評論》Insights近日發布了一份最新的全球跨行業調查報告，它深入調查和采訪了600位技術領導者，探討了各行業為實現數據和人工智能民主化而建立和利用的基礎。以下是報告的主要發現：

實時訪問數據、數據流和分析是每個?業的優先事項。由于數據驅動決策的強大力量及其改變游戲規則的創新潛力，首席信息官需要無阻礙地訪問公司的所有數據，并能夠實時從中收集高價值信息。

72%的受訪者表示，分析實時數據流并采取行動，這種能力對他們的整體技術目標“非常重要”。

另有20%的受訪者認為這“一般重要”，無論這意味著在零售行業實現實時建議，還是在關鍵的醫療分診情況下確定下一步最佳行動。

所有行業都致力于統一其數據和人工智能治理模型，渴求對數據和人工智能資產的單?治理?法。60%的受訪者表示，對數據和人工智能的單一治理方法“非常重要”。

另有38%的人表示“一般重要”，這表明許多組織都在與碎片化或孤立的數據架構作斗爭。每個行業都必須在其獨特的記錄系統、數據管道以及安全和合規要求的背景下實現這種統一治理。

行業數據生態系統和跨平臺共享，兩者將為人工智能引領的增長提供新的基礎。

在每個行業，技術領導者都看到了在整個行業生態系統中實現數據共享的前景，支持人工智能模型和核心運營，從而推動更準確、更相關、利潤更高的結果。

例如，保險公司和零售商的技術團隊旨在收集合作伙伴的數據，以支持電商平臺的實時定價和產品報價決策，而制造商則將數據共享視為持續優化供應鏈的重要能力。

64%的受訪者表示，跨平臺共享實時數據的能力“非常重要”，另有31%的受訪者表示“一般重要”。此外，有84%的受訪者認為，一個妥善管理的、包含數據集和機器學習模型的中心化市場非常重要。

跨云服務平臺，同時保持數據和人工智能的靈活性，在所有垂直領域都適?。63%的垂直行業受訪者認為，利用多個云提供商的能力至少“在一定程度上很重要”，而70%的受訪者對開源標準和技術有同樣的看法。

這與調查結果一致，即56%的受訪者認為，由單一系統管理商業智能和人工智能中的結構化和非結構化數據“非常重要”，另有40%的人認為這“一般重要”。

此外，高管們優先考慮的事項是：安全地訪問企業的所有數據，無論數據的來源和類型。

特定行業的要求將決定生成式人工智能用例的優先級和采?速度。供應鏈優化是在制造業中價值最高的人工智能用例，對于公共部門而言是實時數據分析，媒體和娛樂則是個性化和客戶體驗，而電信領域更看重質量控制。

生成式人工智能的采用不會是一刀切的，每個行業都在采用自己的戰略和方法。但在任何情況下，創造的價值都將取決于數據和人工智能如何滲透到企業生態系統中，以及人工智能如何嵌入其產品和服務中。

將人工智能的價值最大化，并擴大其對人員、流程和技術的影響是各行業的共同目標，但行業之間的差異將造成什么樣的影響，值得人們密切關注。

無論是推動全渠道銷售的零售助理，還是尋找醫療證據的醫療從業者、分析風險和不確定性的精算師、診斷設備的工人、評估網絡狀況的電信專家，當人工智能的民主化拓展到每個行業的第一線時，它將支持的語言和場景都會有很大的差異。（綜合整理報道）（策劃/多洛米）