Снежинка спонсировала этот пост.
Пилотные проекты искусственного интеллекта, привязанные к расширяющему количеству случаев использования, доказывают себя и переходят в производство. Хотя проблемы постоянно представлены, мы больше не спрашиваем, имеет ли ИИ ценность для бизнеса. Мы находимся в том, как построить стратегию ИИ, которая максимизирует это значение.
Результаты недавнего отчета «Радикальная рентабельность инвестиций в Gen AI», в котором обследовано более 3000 организаций в девяти странах, показали, что усилия по ИИ организаций довольно хорошо окупаются.
Фактически, из 1900 респондентов, которые сегодня строят и используют решения ИИ, 92% сказали, что они уже видят возврат инвестиций (ROI) из своих проектов искусственного интеллекта. Это удивительное число, и если вы копаете его немного больше, первые последователи, которые измеряют отчет о REI, что они видят доходность 41% от своих инвестиций в области искусственного интеллекта, или 1,41 доллара на каждый доллар, потраченный на ИИ.
Хотя этот широко распространенный рентабельность инвестиций в восторге, важно отметить, что многие из этих ранних проектов только царапают поверхность потенциала ИИ. В результате организации инвестируют больше в ИИ, чтобы продолжить эту положительную траекторию и определение сложных случаев использования, которые обеспечат еще большую ценность для их бизнеса.
Понятно, что ИИ делает команды быстрее, лучше и более экономически эффективно. Но этот успех приносит свой собственный набор стратегических проблем. А именно, предприятия оказываются на перекрестке: что именно делать дальше, чтобы опираться на импульс.
Ставки увеличиваются, чтобы доказать, что инвестиции в области искусственного интеллекта создают ценность, и лидеры сталкиваются с трудными решениями о том, где расставить приоритеты в их усилиях.
Наше исследование показало, что 71% ранних посредников говорят, что у них есть больше потенциальных вариантов использования, чем они могут финансировать, 54% говорят, что трудно сделать правильный выбор, и 59% согласны с тем, что преследование неверных случаев использования может стоить им работы. Другими словами, ставки увеличиваются, чтобы доказать, что инвестиции в области искусственного интеллекта создают ценность, и лидеры сталкиваются с трудными решениями о том, где расставить приоритеты в своих усилиях вперед.
Это даже не так просто, как просто выбор правильного варианта использования. Проекты искусственного интеллекта сложны, поэтому лидеры должны оценить их с различными факторами, такими как стоимость, кадровые ресурсы, технические ограничения и многое другое. В то время как организации могут иметь безграничные хорошие идеи о том, где для реализации ИИ, эти идеи также должны быть выполнены как с технической, так и с точки зрения ресурсов.
Почти каждый из усыновителей ИИ в нашем опросе — 96% — сообщил, что по крайней мере один компонент их инициатив в области ИИ стоит более чем ожидалось в прошлом году. Проблемные пятна варьировались, но тремя наиболее распространенными были перечисления расхода (для 64% орг); стоимость поддержки программного обеспечения (61%); и сбор данных, маркировка и обработка (58%). Затраты на перерасход при внедрении новой технологии не удивительны, и, несмотря на такие затраты, почти все сказали, что общая доходность была положительной. Тем не менее, ключевым аспектом долгосрочной стратегии является успех предсказуемым, повторяемым и масштабируемым-и избегает бюджетных сюрпризов.
Создание основания для AI Enterprise
Лидеры данных, с которыми я общаюсь-CTO и главных сотрудников данных в авангарде принятия искусственного интеллекта-увидели ранние победы от ИИ, но теперь они задают себе более сложный вопрос: как мы создаем фундамент по всему предприятию, который может поддерживать и масштабировать эти успехи?
По мере того, как проекты переходят в производство, больше невозможно поддерживать разрозненные приложения и инструменты — инструменты искусственного интеллекта должны легко интегрироваться в то, где пользователи уже работают.
Ответ заключается в выходе за рамки изолированных доказательств концепции в отношении комплексных данных и стратегии ИИ, которая соответствует тому, как люди на самом деле работают. По мере того, как проекты переходят в производство, больше невозможно поддерживать разрозненные приложения и инструменты — инструменты искусственного интеллекта должны легко интегрироваться в то, где пользователи уже работают. Эта реальность направляет организации к действительно единым платформам данных, которые могут поддерживать инициативы искусственного интеллекта по всему предприятию и позволяют им создавать инструменты ИИ, где их данные уже живут.
Наше исследование подтверждает этот стратегический сдвиг. Среди ранних пользователей ИИ 81% увеличивают свои инвестиции в облачные платформы данных, причем среднее ожидаемое увеличение на 24% в 2026 году. Они определяют приоритеты в трех критических возможностях:
- Безопасность (84% оценивают это критическим или важным)
- Усовершенствованная функциональность ИИ (84%)
- Интегрированные аналитические возможности (84%)
Эти приоритеты отражают коллективное понимание, которое требует успешного развертывания ИИ:
- Единый фонд данных: когда пользователи ищут информацию с помощью своих инструментов искусственного интеллекта, они не различают структурированные и неструктурированные данные — они просто хотят точных ответов на свои вопросы. В результате организациям нужна платформа, готовая к AI-lear, которая разрушает традиционные бункеры между всеми их данными. Речь идет не только о хранении-это создание среды со встроенным управлением, контролем безопасности и возможностей поиска информации.
- Методическая реализация: успех происходит с начала с вариантов внутреннего использования, когда риски ниже, а кривые обучения управляемы. Этот подход позволяет организациям разрабатывать надежные системы и метрики, прежде чем распространяться на внешние приложения.
- Адаптируемая архитектура: платформа должна быть достаточно гибкой, чтобы приспособить быстро развивающиеся возможности ИИ, сохраняя при этом постоянные стандарты безопасности и управления.
Эта стратегическая основа упрощает все, что следует-от защиты конфиденциальных данных до обеспечения соблюдения и оптимизации развития до поддержки сквозных рабочих процессов в безопасной среде. Самое главное, это создает трамплин для масштабирования ИИ инициатив по всему предприятию, что позволяет организациям с уверенностью и последовательностью справиться с его отставанием в сценариях высокого значения.
Позиционирование для долгосрочного руководства ИИ
Организации с некоторыми успешными проектами ИИ под их ремнями имеют огромную веру в будущее ИИ. В частности, многие из этих организаций уже начинают думать о том, как они могут использовать следующую волну инноваций ИИ: агентов.
Несмотря на то, как новый агент AI для многих, лидеры уже оценивают, какие варианты использования могут быть обработаны агентским ИИ в ближайшем будущем. Благодаря более длительной памяти, более сложным возможностям рассуждения и способностью принять меры для определенной цели, лидеры понимают огромный потенциал агентов ИИ и пытаются извлечь выгоду из нее на ранней стадии. Несомненно, агенты создадут самые большие сбои в пространстве ИИ в этом году.
Мы все еще в очень ранних подач этой удивительной трансформации. Возможности решений искусственного интеллекта продолжают расти, и затраты продолжают уменьшаться. Инструменты ИИ становятся более отзывчивыми и адаптируемыми, и в то же время более автономными. Возможности преобразовать способ, которым мы живем и работаем, огромны.
Но лидеры отрасли, которые отвезут нас в это будущее, — это те, которые имеют стратегию для долгой игры, создавая инфраструктуру для поддержки данных и моделей, которые делают ИИ более чем случайным высоким точкой в их ИТ -ландшафте.
Snowflake позволяет каждой организации мобилизовать свои данные с помощью облака данных Snowflake. Клиенты используют облако данных для объединения данных, обнаружив и надежно обмениваться данными, приложениями данных о мощности, а также выполняют различные рабочие нагрузки AI/ML и аналитические рабочие нагрузки по нескольким облакам и географии. Узнайте больше последних из Snowflake Trending Stories youtube.com/thenewstack Tech Moving быстро, не пропустите эпизод. Подпишитесь на наш канал YouTube, чтобы транслировать все наши подкасты, интервью, демонстрации и многое другое. Группа подпишитесь с эскизом. Барис Гултекин является главой Снежинки, где он отвечает за руководство инициативами по искусственному ИИ и машинному обучению, а также водит всеобъемлющую дорожную карту и стратегию снежинки. Он увлечен работой над передовым ИИ и использует технологию, чтобы … Подробнее от Бариса Гултекина
