最新市場(chǎng)研究發(fā)現(xiàn)，如果沒(méi)有智能數(shù)據(jù)基礎(chǔ)設(shè)施，高達(dá)20%的人工智能計(jì)劃會(huì)遭遇失敗

關(guān)于最新市場(chǎng)研究發(fā)現(xiàn)，如果沒(méi)有智能數(shù)據(jù)基礎(chǔ)設(shè)施，高達(dá)20%的人工智能計(jì)劃會(huì)遭遇失敗,這個(gè)很多人還不知道，今天瀾瀾給大家說(shuō)一說(shuō)，現(xiàn)在讓我們一起來(lái)看看吧~.~！

智能數(shù)據(jù)基礎(chǔ)設(shè)施公司NetApp??(NASDAQ: NTAP)今天發(fā)布了其最新報(bào)告中關(guān)于企業(yè)人工智能不斷發(fā)展的見(jiàn)解。由NetApp贊助的IDC白皮書(shū)“負(fù)責(zé)任地?cái)U(kuò)展人工智能計(jì)劃：智能數(shù)據(jù)基礎(chǔ)架構(gòu)的關(guān)鍵作用*”揭示了不同程度的人工智能成熟度所面臨的各種挑戰(zhàn)和業(yè)務(wù)優(yōu)勢(shì)，并深入分析了領(lǐng)先組織在以負(fù)責(zé)任的方式擴(kuò)展人工智能和生成式人工智能(GenAI)工作負(fù)載方面所采取的成功策略。通過(guò)重點(diǎn)介紹可實(shí)踐的方法，報(bào)告旨在幫助企業(yè)避免常見(jiàn)的陷阱，確保其人工智能計(jì)劃不會(huì)成為可能失敗的20%之一。報(bào)告還介紹了一個(gè)詳細(xì)的人工智能成熟度模型，該模型根據(jù)組織的人工智能方法來(lái)評(píng)估組織的進(jìn)展，從人工智能新手和人工智能先鋒，到人工智能領(lǐng)導(dǎo)者和人工智能大師。

智能數(shù)據(jù)基礎(chǔ)設(shè)施是人工智能成功的基礎(chǔ)

IDC白皮書(shū)發(fā)現(xiàn)：

人工智能大師通過(guò)以下方式優(yōu)化其數(shù)據(jù)基礎(chǔ)設(shè)施，以實(shí)現(xiàn)轉(zhuǎn)型人工智能計(jì)劃：以最少的準(zhǔn)備工作輕松訪(fǎng)問(wèn)企業(yè)數(shù)據(jù)集，并設(shè)計(jì)一個(gè)支持各種數(shù)據(jù)類(lèi)型和訪(fǎng)問(wèn)方法的統(tǒng)一、混合、多云環(huán)境。

人工智能大師的人工智能目標(biāo)更為遠(yuǎn)大，但也遇到了與數(shù)據(jù)相關(guān)的故障，包括基于基礎(chǔ)設(shè)施的數(shù)據(jù)訪(fǎng)問(wèn)限制(21%)、合規(guī)性限制(16%)和數(shù)據(jù)不足(17%)。

人工智能新手也面臨著類(lèi)似的挑戰(zhàn)，但它們也遇到了預(yù)算限制（新手占20%，人工智能大師占9%）、模型訓(xùn)練數(shù)據(jù)不足（新手占26%，人工智能大師占17%）以及數(shù)據(jù)訪(fǎng)問(wèn)方面的業(yè)務(wù)限制（新手占28%，人工智能大師占20%）。

研究結(jié)果表明，企業(yè)需要一個(gè)智能數(shù)據(jù)基礎(chǔ)設(shè)施，以便負(fù)責(zé)任地?cái)U(kuò)展人工智能計(jì)劃。企業(yè)的人工智能成熟度取決于其所擁有的基礎(chǔ)設(shè)施水平，這些基礎(chǔ)設(shè)施不僅能推動(dòng)人工智能項(xiàng)目的長(zhǎng)期成功，還能推動(dòng)相關(guān)業(yè)務(wù)成果的實(shí)現(xiàn)。那些剛剛開(kāi)始或最近才開(kāi)始人工智能之旅的企業(yè)通常擁有不同的數(shù)據(jù)架構(gòu)或更統(tǒng)一的架構(gòu)方面的計(jì)劃，而人工智能領(lǐng)導(dǎo)者和人工智能大師很可能已經(jīng)在執(zhí)行統(tǒng)一的愿景。因此，擁有最多人工智能經(jīng)驗(yàn)的組織失敗的可能性較小。

NetApp高級(jí)副總裁兼首席技術(shù)官Jonsi Stefansson表示：“這份IDC白皮書(shū)進(jìn)一步證實(shí)，企業(yè)需要智能數(shù)據(jù)基礎(chǔ)設(shè)施來(lái)負(fù)責(zé)任地?cái)U(kuò)展人工智能，并提高人工智能計(jì)劃的成功率。有了智能數(shù)據(jù)基礎(chǔ)設(shè)施，企業(yè)就能靈活地在任何地方訪(fǎng)問(wèn)任何數(shù)據(jù)，并通過(guò)集成的數(shù)據(jù)管理來(lái)確保數(shù)據(jù)安全、保護(hù)和治理，以及可優(yōu)化性能、成本和可持續(xù)性的適應(yīng)性運(yùn)營(yíng)。”

數(shù)據(jù)基礎(chǔ)設(shè)施的靈活性對(duì)數(shù)據(jù)訪(fǎng)問(wèn)和人工智能計(jì)劃的成功至關(guān)重要

IDC白皮書(shū)發(fā)現(xiàn)：

48%的人工智能大師報(bào)告說(shuō)，他們的結(jié)構(gòu)化數(shù)據(jù)和43%的非結(jié)構(gòu)化數(shù)據(jù)可即時(shí)訪(fǎng)問(wèn)，而人工智能新手的這一比例分別僅為26%和20%。

人工智能大師(65%)和人工智能新手(35%)表示，他們目前的數(shù)據(jù)架構(gòu)可以將組織的私有數(shù)據(jù)與人工智能云服務(wù)無(wú)縫集成。

調(diào)查顯示，人工智能大師深知，他們用于轉(zhuǎn)型人工智能計(jì)劃的數(shù)據(jù)架構(gòu)和基礎(chǔ)設(shè)施必須能夠輕松訪(fǎng)問(wèn)企業(yè)數(shù)據(jù)集，而無(wú)需進(jìn)行任何準(zhǔn)備或預(yù)處理，或者只需進(jìn)行少量準(zhǔn)備或預(yù)處理。

IDC全球人工智能和自動(dòng)化研究實(shí)踐集團(tuán)副總裁、全球人工智能研究負(fù)責(zé)人Ritu Jyoti表示：“在人工智能計(jì)劃的設(shè)計(jì)和規(guī)劃過(guò)程中做出的基礎(chǔ)設(shè)施決策必須考慮到架構(gòu)的靈活性。人工智能和GenAI工作流的數(shù)據(jù)輸入具有動(dòng)態(tài)性質(zhì)，這意味著輕松訪(fǎng)問(wèn)分布式和多樣化數(shù)據(jù)（包括具有不同特征的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)集）至關(guān)重要。這就需要一種靈活、統(tǒng)一的存儲(chǔ)方法、通用控制平面以及管理工具，使數(shù)據(jù)科學(xué)家和開(kāi)發(fā)人員能夠通過(guò)MLOps集成無(wú)縫地消費(fèi)數(shù)據(jù)?！?/p>

有效的數(shù)據(jù)治理和安全流程推動(dòng)人工智能取得成功

IDC白皮書(shū)發(fā)現(xiàn)：

人工智能新手無(wú)法取得進(jìn)展的原因往往是缺乏標(biāo)準(zhǔn)化的管理政策和程序；只有8%的人工智能新手在所有人工智能項(xiàng)目中完成并標(biāo)準(zhǔn)化了這些政策和程序，而在人工智能大師中，這一比例為38%。

51%的人工智能大師表示，他們已經(jīng)制定了標(biāo)準(zhǔn)化政策，并由組織內(nèi)的一個(gè)獨(dú)立小組嚴(yán)格執(zhí)行，而只有3%的人工智能新手達(dá)到這樣的水平。

研究發(fā)現(xiàn)，有效的數(shù)據(jù)管理和數(shù)據(jù)安全是衡量組織在人工智能領(lǐng)域成熟度的重要指標(biāo)。負(fù)責(zé)任地、安全地管理數(shù)據(jù)仍然是企業(yè)面臨的一個(gè)關(guān)鍵問(wèn)題，因?yàn)槿斯ぶ悄芾嫦嚓P(guān)者往往試圖通過(guò)縮短安全流程來(lái)加速開(kāi)發(fā)。從那些更成功地從其人工智能計(jì)劃中取得積極成果的組織的反饋來(lái)看，管理和安全不僅僅是成本中心，而是創(chuàng)新的重要推動(dòng)因素。通過(guò)優(yōu)先考慮安全性、數(shù)據(jù)主權(quán)和監(jiān)管合規(guī)性，組織可以降低人工智能和GenAI計(jì)劃的風(fēng)險(xiǎn)，并確保其數(shù)據(jù)工程師和科學(xué)家能夠?qū)Ｗ⒂谧畲笙薅鹊靥岣咝屎蜕a(chǎn)力。

高效利用資源對(duì)負(fù)責(zé)任地?cái)U(kuò)展人工智能非常重要

IDC白皮書(shū)發(fā)現(xiàn)：

43%的人工智能大師在開(kāi)發(fā)人工智能模型時(shí)已明確定義了評(píng)估資源效率的指標(biāo)，這些指標(biāo)已在所有人工智能項(xiàng)目中完成并標(biāo)準(zhǔn)化，而人工智能新手的這一比例僅為9%。

在所有受訪(fǎng)者中，63%的企業(yè)表示需要進(jìn)行重大改進(jìn)或全面檢修，以確保其存儲(chǔ)系統(tǒng)針對(duì)人工智能進(jìn)行優(yōu)化，只有14%的企業(yè)表示無(wú)需改進(jìn)。

隨著人工智能工作流程日益成為幾乎每個(gè)行業(yè)不可或缺的一部分，承認(rèn)其對(duì)計(jì)算和存儲(chǔ)基礎(chǔ)設(shè)施、數(shù)據(jù)和能源資源及其相關(guān)成本的影響至關(guān)重要。人工智能成熟度的一個(gè)關(guān)鍵衡量標(biāo)準(zhǔn)是定義和實(shí)施指標(biāo)，以評(píng)估創(chuàng)建人工智能模型過(guò)程中的資源使用效率。

方法

2023年12月和2024年1月，IDC通過(guò)網(wǎng)絡(luò)調(diào)查的方式，對(duì)參與人工智能計(jì)劃相關(guān)的IT運(yùn)營(yíng)、數(shù)據(jù)科學(xué)、數(shù)據(jù)工程和軟件開(kāi)發(fā)的全球決策者進(jìn)行了24次深度訪(fǎng)談和1220次定量訪(fǎng)談。這些訪(fǎng)談深入揭示了當(dāng)今人工智能計(jì)劃的現(xiàn)狀，包括一系列挑戰(zhàn)、眾多業(yè)務(wù)優(yōu)勢(shì)以及領(lǐng)先組織為取得成功而采取的最佳實(shí)踐。

在進(jìn)行這項(xiàng)分析時(shí)，IDC開(kāi)發(fā)了一個(gè)人工智能成熟度模型，根據(jù)組織目前在數(shù)據(jù)和存儲(chǔ)基礎(chǔ)設(shè)施、數(shù)據(jù)政策和治理、資源效率重點(diǎn)以及利益相關(guān)者支持和協(xié)作方面的人工智能方法，將其分為四個(gè)成熟度級(jí)別。這些成熟度級(jí)別分別為人工智能新手、人工智能先鋒、人工智能領(lǐng)導(dǎo)者和人工智能大師。

*資料來(lái)源：IDC白皮書(shū)，由NetApp贊助，“負(fù)責(zé)任地?cái)U(kuò)展人工智能計(jì)劃：智能數(shù)據(jù)基礎(chǔ)設(shè)施的關(guān)鍵作用”(Scaling AI Initiatives Responsibly: The Critical Role of an Intelligent Data Infrastructure)，文檔編號(hào)：US52048524，2024年4月

以上就是關(guān)于【最新市場(chǎng)研究發(fā)現(xiàn)，如果沒(méi)有智能數(shù)據(jù)基礎(chǔ)設(shè)施，高達(dá)20%的人工智能計(jì)劃會(huì)遭遇失敗】的相關(guān)內(nèi)容，希望對(duì)大家有幫助！

標(biāo)簽：