Tehisintellekt ei vaja täiuslikke andmeid: eksiarvamus, mis ettevõtetele aastaid maksab – Lõpp migratsioonimüüdile

Lõputu ettevalmistuse lõpp: kuidas tehisintellekt lõpuks reaalset lisaväärtust pakub

Tehisintellektil on tohutu potentsiaal, kuid äripraktikas taandub see sageli kalliks illusiooniks. Põhjus on sama lihtne kui saatuslik: ettevõtted muudavad oma ambitsioonikad tehisintellekti algatused teadmatult hiiglaslikeks ja ressursimahukateks andmemigratsiooni projektideks. Algsest eesmärgist saavutada kiireid ja mõõdetavaid äritulemusi saab pikaajaline võitlus täiusliku andmeinfrastruktuuri ja sujuva konsolideerimise nimel tsentraliseeritud andmeladudes. Samal ajal kui ettevalmistustesse kulutatakse miljardeid, jääb kaks kolmandikku ettevõtetest pilootfaasi kinni – ja tegelik väärtuse loomine jääb unarusse.

See artikkel paljastab, miks „infrastruktuur ennekõike“ strateegia jäik järgimine viib regulaarselt ebaõnnestumiseni ja miks tehisintellekti edu saavutamiseks pole tingimata vaja täielikku andmete migratsiooni. See visandab väga vajaliku paradigma muutuse: need, kes planeerivad konkreetsetest äritulemustest tagasiulatuvalt ja toetuvad föderaalsele andmetele juurdepääsule, ei pea ootama aastaid kestvate IT-megaprojektide valmimist. Siit saate teada, kuidas hoida andmeid seal, kus need on, pakkuda tehisintellektile ainult vajalikku konteksti ja saavutada mõõdetavat edu sihipäraste „kiirete võitude“ kaudu väga lühikese aja jooksul. On aeg nihutada fookus pelgalt andmete täiuslikkusest pragmaatilisele tehisintellekti väärtuse loomisele.

Sellega seotud:

• UNFRAME.AI: Andmete migratsioon polnud kunagi eesmärk. Tehisintellekti tulemused olid.

Andmelõksust pääsemine: tehisintellekti käsitlemine tulemuse vaatenurgast

Suurim tehisintellekti tapja on andmete migratsioon

Tehisintellekti projektid ebaõnnestuvad tavaliselt mitte tehnoloogia enda, vaid pigem seetõttu, et need manduvad pelgalt IT-taristu projektideks. Kõigi andmete konsolideerimist peetakse ekslikult kohustuslikuks nõudeks.

Tulemusest lähtuvalt mõtlemine (pöördprojekteerimine)

Selle asemel, et küsida, kuidas kõiki andmeid tehisintellekti jaoks ette valmistada, on oluline küsimus järgmine: millist konkreetset andmekonteksti tehisintellekt siin ja praegu vajab, et saavutada konkreetset äritulemust?

Kontekst koopia asemel (Federated Access)

Tehisintellekt ei vaja tervet andmeladu. Sellised tehnoloogiad nagu föderaalne andmetele juurdepääs, andmete virtualiseerimine ja RAG (Retrieval-Augmented Generation) võimaldavad andmeid säilitada alliksüsteemides ja konteksti kokku panna alles päringu esitamise hetkel. See säästab tohutult aega ja kulusid.

Paralleelrežiim paigalseisu asemel

Pikaajaline andmete migratsioon (ETL-protsessid aruandluse, ajaloo jms jaoks) võib ja võib jätkuda. Tehisintellekti algatus ei pea seda aga ootama, vaid saab paralleelselt juurde pääseda olemasolevatele hajutatud andmetele.

Agility võidab perfektsionismi

Põhjaliku andmeskeemi loomine on ebaefektiivne. Valdkonnapõhised, kasutusjuhtumipõhised kontekstimudelid (sarnaselt andmevõrgu lähenemisviisiga) on oluliselt paljulubavamad.

"Kiirete võitude" jõud

Sidusrühmade sageli kaotatud usalduse taastamiseks peavad tehisintellekti projektid kiiresti investeeringutasuvust (ROI) näitama. Ideaalne esialgne kasutusjuhtum (kõrgsageduslik, mõõdetav alus, olemasolevad andmed) annab käegakatsutavaid tulemusi mõne nädala jooksul, õigustades seega edasisi investeeringuid.

Miks ettevõtted investeerivad miljardeid taristusse, selle asemel et lõpuks lisaväärtust pakkuda

Viimaste aastate digitaalne transformatsioon on loonud paradoksaalse mustri, mis läbib kõiki tööstusharusid. Ettevõtted investeerivad tehisintellekti märkimisväärseid summasid, kuid enamasti jääb tegelik väärtusloome oodatust madalamaks. Põhjus peitub harva tehnoloogias endas. See peitub selles, kuidas organisatsioonid lähenevad teele tehisintellekti poole. Mõõdetavatele äritulemustele keskendumise asemel muutuvad tehisintellekti algatused järk-järgult massiivseteks andmeinfrastruktuuri projektideks, mis elavad oma elu ja kaotavad silmist oma algse eesmärgi. See, mis algas strateegilise algatusega tehisintellekti rakendamiseks, lõpeb sageli aastatepikkuse andmete migratsiooniga ilma nähtava investeeringutasuvuseta.

Gartneri 2025. aasta detsembri prognoosi kohaselt ulatuvad ülemaailmsed kulutused tehisintellektile 2025. aastal ligikaudu 1,8 triljoni dollarini ja eeldatavasti kasvavad need 2029. aastaks 4,7 triljoni dollarini. Samal ajal näitab McKinsey 2025. aasta globaalne tehisintellekti uuring, et 88 protsenti küsitletud ettevõtetest kasutab tehisintellekti juba vähemalt ühes ärifunktsioonis, kuid ligi kaks kolmandikku on endiselt eksperimentaalses või pilootfaasis. Ainult umbes kuus protsenti ettevõtetest kvalifitseerub nn tehisintellekti tipptegijateks, kus üle viie protsendi EBIT-st on omistatav tehisintellektile. Need arvud illustreerivad olulist lahknevust tehisintellekti voolava raha ja lõpuks loodud väärtuse vahel. Selle lahknevuse analüüsimine näitab struktuurilist probleemi, mis ulatub tehnilistest probleemidest kaugemale.

Kuidas taristuprojekt tehisintellekti algatuse alla neelas

Loogikaahel, mis ettevõtted sellesse olukorda viib, tundub esmapilgul usutav. Tehisintellekt vajab andmeid. Andmed on killustatud arvukate süsteemide vahel. Seega tuleb need konsolideerida. Konsolideerimine nõuab migratsiooni. Migratsioon nõuab ümberkujundamist. Ümberkujundamine nõuab juhtimist. Juhtimine nõuab andmekvaliteedi programme. Iga üksik otsus selles ahelas on iseenesest mõistlik. Kuid koos muudavad need tehisintellekti algatuse andmeinfrastruktuuri programmiks, mille ühe tulemuse nähtavaks saamiseni kulub aastaid.

See nähtus on andmetes silmatorkavalt ilmne. Caylenti 2025. aasta andmete migreerimise aruande kohaselt teatas vaid kuus protsenti küsitletud ettevõtetest, et nad viisid oma kõige keerukamad migreerimisprojektid õigeaegselt lõpule. Ligi pooled vastanutest kogesid kriitiliste migratsioonide ajal rohkem kui viis tundi seisakuid, mis põhjustas kliendikogemuse probleeme, tulude vähenemist ja tegevuse viivitusi. Üle 500 ettevõtte arvustuse analüüs näitab, et ligikaudu 73 protsenti andmete migreerimisprojektidest ebaõnnestub ebapiisava planeerimise, juhtimislünkade ja platvormipõhise asjatundlikkuse puudumise tõttu. Keskmiselt 150-protsendilised ajaületused ei ole erand, vaid reegel.

Need migratsiooniprojektid arendavad välja omaette dünaamika. Need meelitavad ligi pühendunud meeskondi, genereerivad oma peamised tulemusnäitajad (KPI-d) ja saavad juhatuse tasandil oma sponsorid, kes panustavad oma maine projekti lõpuleviimisele. Algsed tehisintellekti kasutusjuhud lükatakse edasi järgmisse etappi, seejärel migratsioonijärgsesse perioodi ja lõpuks kaovad need vaikselt planeerimisaruteludest. Keegi ei planeeri seda tulemust. See tuleneb tuhandest väikesest otsusest, millest igaüks on omaette õigustatud, kuid mis kokkuvõttes viivad ressursside ja tähelepanu strateegilise valesti jaotamiseni.

Tüüpiline stsenaarium illustreerib probleemi. Kvartali äriülevaade algab nagu viimased kaks aastat. Andmete teisendamise meeskond esitleb oma edusamme. Migratsioon on 73 protsendi ulatuses valmis. Andmete kvaliteedi näitajad on paranenud kuues valdkonnas. Andmelao arhitektuur on läbinud oma viimase auditi. Tegevjuht noogutab verstapostide diagrammidele heakskiitvalt. Seejärel esitab keegi küsimuse, mida kõik on vältinud: millal tehisintellekt tööle hakkab? Järgneb vaikus. Keegi mainib teist etappi. Keegi teine ​​osutab sõltuvustele. Algne ajakava, mis lubas tehisintellektil põhinevaid teadmisi kaheksateistkümne kuu jooksul, on muutunud joonealuseks märkuseks andmeinfrastruktuuri projektis, mis on hakanud elama oma elu.

Lõpetamata ettevalmistuste miljardi dollari suurune möll

Selle probleemi majanduslik mõõde on märkimisväärne. Gartner ennustab, et 2026. aasta lõpuks kogevad organisatsioonid, millel puuduvad tehisintellektiga ühilduvad andmed, üle 60 protsendi oma tehisintellekti projektidest ebaõnnestumist või katkestamist. Harvard Business Review hindab tehisintellekti projektide üldiseks ebaõnnestumise määraks 80 protsenti, mis on peaaegu kaks korda rohkem kui IT-projektide ebaõnnestumise määr, mis ei hõlma tehisintellekti. S&P Global Market Intelligence'i 2025. aasta uuringu kohaselt oli 42 protsenti ettevõtetest loobunud enamikust oma tehisintellekti algatustest, mis on dramaatiline kasv võrreldes eelmise aasta vaid 17 protsendiga. Keskmine organisatsioon loobus 46 protsendist oma tehisintellekti kontseptsioonitõestustest enne, kui need isegi tootmisse jõudsid.

Gartner ennustab ka, et vähemalt 30 protsenti generatiivse tehisintellekti projektidest loobutakse pärast kontseptsiooni tõestuse etappi kehva andmete kvaliteedi, ebapiisava riskikontrolli, kasvavate kulude või ebaselge äriväärtuse tõttu. Informatica CDO Insights Survey 2025 toob selgelt välja suurimad takistused tehisintellekti edu saavutamiseks: andmete kvaliteet ja küpsus (43 protsenti), tehnilise küpsuse puudumine (samuti 43 protsenti) ja oskustööjõu puudus (35 protsenti).

Need arvud toovad esile paljudes organisatsioonides levinud põhimõttelise arusaamatuse. Probleem ei ole selles, et tehisintellekti kasutusjuhud ebaõnnestuvad. Probleem on selles, et migreerimisest on saanud ülesanne ise, mitte vahend eesmärgi saavutamiseks. Kõigi andmete koondamine tsentraliseeritud andmelattu on muutunud eesmärgiks omaette, samas kui algne äriväärtus kaob tagaplaanile. Samal ajal kasvavad investeeringud tehisintellektiga ühilduvatesse andmetesse plahvatuslikult. Gartner prognoosib, et tehisintellekti andmete turg kasvab 134 miljonilt dollarilt 2024. aastal 14,6 miljardi dollarini 2029. aastaks, mis tähendab 155-protsendilist aastast kasvumäära. Raha voolab, kuid see liigub vales suunas, kui andmete pakkumist käsitletakse monoliitse ettevalmistava projektina, mitte iteratiivse protsessina.

Mõtle tulemuse, mitte infrastruktuuri vaatenurgast planeerimise seisukohast

Alternatiivne lähenemisviis algab põhimõtteliselt teistsuguse küsimusega. Selle asemel, et küsida, kuidas andmeid tehisintellekti jaoks ette valmistada, tuleks küsida, millist konteksti tehisintellekt konkreetse äritulemuse saavutamiseks vajab. See perspektiivi ümberpööramine muudab kogu projekti arhitektuuri.

Enamik tehisintellekti kasutusjuhtumeid nõuab konteksti kolmest kuni viiest süsteemist, mitte täielikult migreeritud andmeportfelli. Kontekstinõuded on spetsiifilised. Lepinguanalüüsi tehisintellekt vajab lepinguid, muudatusi, osapooli ja kohustusi. See ei vaja kogu andmeladu. Klienditeeninduse tehisintellekt vajab suhtlusajalugu, tooteandmeid ja juhtumikorralduse kirjeid. See ei vaja iga tabelit igas alliksüsteemis.

Minimaalselt nõutav andmetee on peaaegu alati kitsam kui migratsiooniprojekti ulatus. Migratsioon on optimeeritud iga mõeldava tulevase päringu jaoks. Tehisintellekt vajab konkreetsete kasutusjuhtude jaoks siin ja praegu õiget konteksti. Need kaks nõuet on põhimõtteliselt erinevad ja nende samaväärsena käsitlemine on just see mehhanism, mille abil taristuprojektid tehisintellekti algatusi alla neelavad.

Tehisintellekti tulemusest tagasi liikudes selgub sageli, et vajalikud andmed on juba kättesaadavad. Neid ei pea teisaldama. Need tuleb ühendada, kasutusjuhu jaoks korraldada ja käitusajal kättesaadavaks teha. Tõhus tehisintellekti andmehaldus algab sellest arusaamast: kõigepealt defineerige tulemus ja seejärel leidke lihtsaim tee kontekstini, mis seda tulemust võimaldab.

Hallatud tehisintellekti platvorm - pilt: Xpert.Digital

Siit saate teada, kuidas teie ettevõte saab kiiresti, turvaliselt ja ilma kõrgete sisenemisbarjäärideta rakendada kohandatud tehisintellekti lahendusi.

Hallatud tehisintellekti platvorm on teie kõikehõlmav ja muretu tehisintellekti lahendus. Keerulise tehnoloogia, kalli infrastruktuuri ja pikkade arendusprotsessidega tegelemise asemel saate spetsialiseerunud partnerilt teie vajadustele vastava valmislahenduse – sageli vaid mõne päeva jooksul.

Peamised eelised lühidalt:

⚡ Kiire teostus: Ideest kasutusvalmis rakenduseni päevade, mitte kuude jooksul. Pakume praktilisi lahendusi, mis loovad kohest lisaväärtust.

🔒 Maksimaalne andmeturve: Teie tundlikud andmed jäävad teie kätte. Garanteerime turvalise ja nõuetele vastava töötlemise ilma andmeid kolmandate osapooltega jagamata.

💸 Finantsriski pole: maksate ainult tulemuste eest. Suured esialgsed investeeringud riist- ja tarkvarasse või personali jäävad täielikult ära.

🎯 Keskendu oma põhitegevusele: Keskendu sellele, mida sa kõige paremini oskad. Meie hoolitseme sinu tehisintellekti lahenduse kogu tehnilise juurutamise, käitamise ja hoolduse eest.

📈 Tulevikukindel ja skaleeritav: teie tehisintellekt kasvab koos teiega. Tagame pideva optimeerimise ja skaleeritavuse ning kohandame mudeleid paindlikult uutele nõuetele.

Lisateavet leiate siit:

• Hallatud tehisintellekti platvorm

Födereeritud andmetele juurdepääs kui arhitektuuriline alternatiivmudel

Andmete migreerimiseta tehisintellekt ei ole otsetee. See on teistsugune arhitektuur, mis peegeldab seda, kuidas tehisintellekt tegelikult tootmiskeskkondades töötab. Seda lähenemisviisi iseloomustavad kolm põhiprintsiipi.

Esiteks ühendab föderaalne juurdepääs tehisintellekti alliksüsteemidega, kus andmed asuvad, ilma eelnevat tsentraliseerimist vajamata. CRM-andmed jäävad CRM-i. Dokumendid jäävad dokumendihoidlasse. Operatiivandmed jäävad ERP-sse. Tehisintellekti kiht pääseb sellele kõigele ligi ilma sünkroniseerimist ootamata. Föderaalne andmepääs hoiab andmeid algses asukohas, kasutab virtualiseerimistehnikaid ühtse vaate pakkumiseks ja võimaldab reaalajas ülevaateid nõudmisel. Erinevalt andmeladudest, kus andmed teisaldatakse füüsiliselt tsentraliseeritud asukohta, kõrvaldab föderaalne juurdepääs andmete dubleerimisega seotud riskid ja kulud ning parandab tegevuse efektiivsust.

Teiseks, kasutusjuhtumipõhised kontekstimudelid määratlevad iga tehisintellekti rakenduse konkreetsed vajadused. Universaalse skeemi loomise asemel, mis püüab kõike katta, määratleb süsteem iga üksiku kasutusjuhtumi jaoks olulised üksused, seosed ja signaalid. See põhimõte on kooskõlas andmevõrgu arhitektuuri kontseptsiooniga, kus valdkonnapõhised meeskonnad haldavad iseseisvalt oma vastavaid andmeid ja säilitavad kohandatud juhtimisstandardeid, mis kajastavad konkreetseid ärivajadusi.

Kolmandaks, käitusaja kokkupanek paneb konteksti kokku otsuse tegemise hetkel, mitte eelnevalt partiitöötluse kaudu. Kui tehisintellektil on vaja küsimusele vastata, koostab see asjakohase konteksti kõikidest allikatest, olenemata sellest, kus see kontekst ka ei asuks. Puudub sünkroonimisviivitus. Puuduvad aegunud hetktõmmised. Ajakohased andmed, mis on kokku pandud nõudmisel. See põhimõte on tehnoloogiliselt küpsenud koos RAG-i (Retrieval Augmented Generation) levikuga. RAG-arhitektuurid võimaldavad tehisintellekti süsteemidel hankida asjakohast välist teavet päringu esitamise hetkel ja manustada see konteksti, selle asemel, et tugineda ainult eelnevalt treenitud teadmistele. 2026. aasta keskpaigaks kasutab üle 66 protsendi ettevõtete genereeriva tehisintellekti rakendustest RAG-arhitektuure.

Selle arhitektuuri praktiline rakendamine on ilmne reaalsetes ettevõtluskeskkondades. Näiteks SAP-i föderaalne masinõppe teek kasutab SAP Datasphere'i andmete föderatsiooni arhitektuuri, et SAP-i ja muid andmeid intelligentselt masinõppeks paljastada ilma replikatsiooni või andmete teisaldamiseta. Ettevõtted nagu Downer, üks Austraalia suurimaid integreeritud teenusepakkujaid, on rakendanud föderatiivse andmete ja tehisintellekti platvormi, mis ühendab detsentraliseeritud paindlikkuse tsentraliseeritud juhtimisega, võimaldades äriüksustel iseseisvalt uuendusi teha, jagades samal ajal sujuvalt ja turvaliselt ettevõtte andmeid.

Andmete virtualiseerimise ja partiitöötluse võrdlus

Valik andmete virtualiseerimise kaudu toimuva föderaalse juurdepääsu ja traditsioonilise ETL-põhise konsolideerimise vahel ei ole binaarne, vaid pigem küsimus selle vastavusse viimises vastava töökoormuse nõuetega. Andmete virtualiseerimine pakub kiiremaid reageerimisaegu väiksemate, hajutatud andmekogumite päringute puhul. Suurenevate andmemahtude ja keerukate teisendusnõuete korral võib ETL aga olla tõhusam tänu oma võimele töödelda suuri andmekogumeid eelnevalt määratletud teisendusreeglite abil.

Põhiline kompromiss seisneb selles, et andmete virtualiseerimine vahetab füüsilise konsolideerimise loogilise integratsiooni vastu. Saate värskemaid andmeid, kuna päringud pääsevad otse allikasüsteemidele ligi ja väldite kõigi andmete ühte andmeladusse kopeerimise kulusid ja keerukust. Samal ajal muutute sõltuvaks iga alussüsteemi kättesaadavusest ja jõudlusest. Petabaitide suuruste mahukate analüütiliste päringute puhul edestavad eelnevalt arvutatud agregaatide ja veergsalvestusega andmeladud võrkudeüleseid liitpäringuid kümme või enam korda.

Nutikas lahendus on kasutada mõlemat lähenemisviisi teineteist täiendaval viisil. ETL töötleb struktureeritud ajaloolisi andmeid aruandluseks ja tagab järjepidevuse. Andmete virtualiseerimine võimaldab kiiret juurdepääsu reaalajas või hajutatud andmetele ajakriitiliste päringute jaoks. Uue andmeallika integreerimisel võib ETL-i töövoogude muutmine võtta päevi või nädalaid. Andmete virtualiseerimine võimaldab ajutiste või eksperimentaalsete andmeallikate kohest integreerimist. See hübriidlähenemine optimeerib võrdselt jõudlust, kulusid ja paindlikkust.

Lühim tee mõõdetavate tehisintellekti tulemusteni

Tulemustele orienteeritud lähenemisviisi majanduslik loogika on veenev. Tehisintellekti projekti keskmine kestus järgib tuttavat mustrit: kolm kuud planeerimist, kuus kuud arendust, kuus kuud testimist, kolm kuud juurutamist, kokku kaheksateist kuud kuni investeeringu tasuvuseni. Gartneri andmetel jõuab tootmisse keskmiselt vaid 48 protsenti tehisintellekti projektidest ning tee tehisintellekti prototüübist tootmisse võtab kaheksa kuud. Ainult 35 protsenti tehisintellekti projektidest jõuab üldse tootmisvalmidusse.

Kuid on ka teine ​​võimalus. IDC uuringu kohaselt annab 92 protsenti edukatest tehisintellekti juurutustest positiivse investeeringutasuvuse kaheteistkümne kuu jooksul. 40 protsenti ettevõtetest teatab positiivsest tootlusest kuue kuu jooksul. Võti peitub õige esialgse kasutusjuhtumi valimises ja liiga ambitsioonikate infrastruktuuri ettevalmistuste vältimises.

Tehisintellekti kiire investeeringutasuvuse raamistik põhineb neljal põhimõttel. Ideaalset esimest kasutusjuhtu iseloomustab suur sagedus; kõnealust ülesannet täidetakse iga päev või iganädalaselt. Sellel on selge baasjoon ja praegust jõudlust saab mõõta. Andmed on juba olemas ja kasutusjuhtumi sõltuvus teistest süsteemidest on piiratud. Kui need kriteeriumid on täidetud, saab mõõdetavaid tulemusi saavutada mõne nädala jooksul.

Selliste kiirete võitude mõju ulatub palju kaugemale kui vaid kohene rahaline tulu. Telekommunikatsioonifirma rakendas tehisintellektil põhinevat vestlusrobotit viie kõige sagedasema arveldusega seotud kliendipäringu jaoks. 60 päeva jooksul lahendas lahendus 35 protsenti päringutest ilma inimese sekkumiseta, vähendas keskmist lahendusaega 24 tunnist 10 minutini ja parandas klientide rahulolu 22 protsenti. Keskmise suurusega tootja rakendas kriitilisel tootmisliinil tehisintellektil põhinevat ennustavat hooldust. 45-päevane pilootprojekt vähendas planeerimata seisakuid 62 protsenti, vältis tootmiskadusid 157 000 dollari võrra ja vähendas hoolduskulusid 28 protsenti. Klarna tehisintellektil põhinev assistent lahendas esimesel kuul kaks kolmandikku kõigist klientide vestluspäringutest ja vähendas keskmist lahendusaega üheteistkümnelt minutilt alla kahe minuti.

Miks sidusrühmade usaldus on kõige kõvemini valuuta

Need kiired võidud täidavad funktsiooni, mis ulatub pelgast kulude kokkuhoiust kaugemale. Need taastavad sidusrühmade usalduse, mis on aastatepikkuse taristuprojektide käigus nähtavate tulemusteta õõnestunud. Kiired edusammud annavad kiire ja käegakatsutava tõestuse, et tehisintellekt loob ärilist väärtust. See suurendab otsustajate enesekindlust, vähendab vastuseisu omaksvõtule ja sillutab teed suurematele tehisintellekti investeeringutele.

Edukad kiired võidud loovad positiivseid tagasisideahelaid, mis kiirendavad tehisintellekti kasutuselevõttu. Esialgne edu tekitab entusiasmi ja ressursse laiemaks rakendamiseks. Rakendamise laiendamine loob lisaväärtust ja organisatsioonilist õppimist. See õppimine võimaldab keerukamaid rakendusi ja suuremat kasu. Suurem kasu õigustab suuremaid investeeringuid tehisintellekti võimekusse.

McKinsey andmed rõhutavad seda mehhanismi. Tehisintellekti tippsooritajad – kuus protsenti ettevõtetest, kellel on tehisintellekti mõõdetav EBIT-panus – teatavad kolm korda suurema tõenäosusega kui teised, et nende organisatsioon kavatseb tehisintellekti kasutada transformatiivsete muutuste jaoks. Need ettevõtted kujundavad peaaegu kolm korda suurema tõenäosusega kui teised töövooge põhjalikult ümber ja see töövoogude tahtlik ümberkujundamine näitab üht tugevaimat panust mõõdetava ärimõju saavutamisse. Tippsooritajad juurutavad tehisintellekti regulaarselt rohkemates ärifunktsioonides kui nende konkurents ja laiendavad kolm korda suurema tõenäosusega tehisintellekti agentide kasutamist.

Paralleeltöö järjestikuse sõltuvuse asemel

Migratsiooniprojekti ei ole vaja peatada. See võib teenida tehisintellektist kaugemale ulatuvaid eesmärke. Regulatiivne aruandlus, ajaloolised analüüsid või sisemise tegevuskava juhtpaneelid võivad tõepoolest vajada konsolideeritud andmeid. Selle aluse loomisse tehtud investeering ei ole nende eesmärkide saavutamiseks raisku läinud.

Kuid tehisintellekt ei pea ootama migratsiooni lõpuleviimist. Need kaks saavad toimida paralleelselt. Migratsioon jätkub oma ajakava järgi ettenähtud eesmärkidel. Tehisintellekt annab tulemusi kohe, võrreldes juba olemasolevate andmetega.

Pragmaatiline lähenemine algab kahe kuni kolme tehisintellekti kasutusjuhu tuvastamisega, mis annaksid mõõdetavat äriväärtust. Sellele järgneb iga kasutusjuhu jaoks vajaliku konkreetse andmekonteksti kaardistamine. Seejärel uuritakse, kas see kontekst on otse ligipääsetav ilma migratsioonita. Lõpuks katsetatakse tehisintellekti kõige kitsamal teostataval andmeteel.

See lähenemisviis on kooskõlas Gartneri analüütiku Haritha Khandabattu leidudega, kes kirjeldab järkjärgulist nihet genereerivalt tehisintellektilt kui keskpunktilt tehisintellekti jätkusuutlikku juurutamist toetavatele põhilistele võimaldajatele, sealhulgas tehisintellektiga ühilduvatele andmetele ja agentidele. Investeeringud liiguvad infrastruktuuri-keskselt strateegialt andmetele ja võimetele keskenduva arhitektuuri poole. Organisatsioonid, mis käsitlevad andmete valmisolekut teisejärgulisena, jäävad kõige tõenäolisemalt nende 94 protsendi hulka, kes ei jõua kunagi pilootfaasist kaugemale.

Investeerimisloogika ümberkorraldamine

Gartneri kulutuste andmed näitavad investeerimisloogika tektoonilise nihke. Kuigi tehisintellekti infrastruktuur on endiselt suurim kulutuskategooria, mille maht oli 2025. aastal 965 miljardit dollarit, on selle kasvumäär suhteliselt mõõdukas 29 protsenti aastas. Kiirendus toimub ka mujal: tehisintellekti andmed kasvavad 155 protsenti aastas, tehisintellekti küberturvalisus 74 protsenti ja tehisintellekti mudelid 68 protsenti. Raha järgib kitsaskohti, mitte pealkirju.

Tehisintellekti andmete turul on kasvumootorid veelgi selgemad. Sünteetiliste andmete genereerimine kasvab 178 protsenti aastas, 41 miljonilt dollarilt 6,8 miljardi dollarini 2029. aastaks. Tehisintellektiga ühilduvad andmekogumid – st tehisintellekti töövoogude jaoks eelnevalt kureeritud andmed – kasvavad 136 protsenti aastas. Ettevõtted on valmis maksma otseteede eest tootmiskeskkonda. See on selge signaal, et turg hindab kiiret andmete valmidust aeglase ja põhjaliku migratsiooni asemel.

Võiduorganisatsioonid, kes sellest transformatsioonist tõeliselt väärtust lõikavad, investeerivad võimekusse, mis paneb tehisintellekti süsteemid ettevõtte tasandil tööle: andmete valmidus, juhtimine, integreerimine ja turvalisus. Nad pööravad tüüpilised kulutussuhted ümber, pühendades 50–70 protsenti oma ajast ja eelarvest andmete valmidusele – see tähendab andmete ekstraheerimisele, normaliseerimisele, juhtimise metaandmetele, kvaliteedi armatuurlaudadele ja säilituskontrollidele. Seda andmete valmidust ei mõisteta aga monoliitse migratsiooniprojektina, vaid pigem iteratiivse, kasutusjuhtumipõhise protsessina.

Andmete perfektsionismist tehisintellekti pragmatismini

Selle analüüsi keskse järelduse saab kokku võtta ühe põhimõttega: eesmärk ei olnud kunagi täiuslik infrastruktuur. Eesmärk oli saavutada tehisintellekti abil tulemusi ja õnneks ei nõua see andmete täielikku konsolideerimist. Meeskonnad, kes seda mõistavad, lõpetavad migratsiooni käsitlemise eeltingimusena ja hakkavad tehisintellekti tulemusi vaatama kui tõeliselt olulist mõõdikut.

Andmed räägivad enda eest. 88 protsenti ettevõtetest kasutab tehisintellekti, kuid vaid kolmandik on hakanud seda skaleerima. 73 protsenti migratsiooniprojektidest ebaõnnestub rakendusprobleemide, mitte tehnoloogia enda tõttu. 42 protsenti ettevõtetest on 2025. aastaks enamiku oma tehisintellekti algatustest loobunud. Samal ajal näitavad kuus protsenti parimat, et edu tee peitub ambitsioonikates eesmärkides, ümberkujundatud töövoogudes ja kiires skaleerimises, mitte migratsiooniprojektide lõpuleviimises.

See on selge üleskutse tegutsemiseks nii IT-juhtidele kui ka tehnoloogiajuhtidele. Küsimus ei ole enam selles, kuidas kõiki andmeid enne tehisintellekti rakendamist koondada. Küsimus on selles, millist konkreetset andmekonteksti on vaja järgmise tehisintellekti kasutusjuhtumi jaoks ja kuidas seda konteksti kõige kiiremini ja kulutõhusamalt pakkuda. Födereeritud juurdepääs, kasutusjuhtumipõhised kontekstimudelid ja käitusaegne kokkupanek on arhitektuurilised tööriistad, mis seda lähenemisviisi võimaldavad. Need asendavad täieliku ettevalmistuse paradigma iteratiivse väärtuse loomise paradigmaga.

Ettevõtted, kes ei näe tehisintellekti taristuprojektide teisejärgulise kasusaajana, vaid andmenõuete määrajana, liiguvad pilootfaasist skaleerimisfaasi kõige kiiremini. Migratsiooniprojekt võib jätkuda, kuid tehisintellekt ei pea ootama.

Konrad Wolfenstein

Mul oleks hea meel olla teie isiklik nõustaja.

ühendust võtta aadressil wolfenstein ∂ xpert.digital

Helista mulle lihtsalt numbril +49 89 89 674 804 (München) .

LinkedIn