توسعه چارچوب آمادگی شناختی داده برای استقرار هوش مصنوعی در سازمان های داده محور

موفقیت استقرار هوش مصنوعی در سازمان ها به طور سنتی با عواملی نظیر زیرساخت فناوری، کیفیت داده و قابلیت های تحلیلی تبیین شده است. با این حال، ظهور نسل جدید فناوری های هوش مصنوعی شامل مدل های زبانی بزرگ، هوش مصنوعی مولد و سامانه های عامل محور نشان داده است که برخورداری از داده های باکیفیت به تنهایی برای موفقیت استقرار هوش مصنوعی کافی نیست. بسیاری از سازمان ها با وجود سرمایه گذاری گسترده در مدیریت داده، همچنان در تبدیل داده ها به دانش قابل استفاده برای سامانه های هوشمند با چالش مواجه هستند. این مسئله ضرورت بازنگری در مفهوم آمادگی داده را آشکار می سازد.

هدف پژوهش حاضر توسعه چارچوبی مفهومی با عنوان «آمادگی شناختی داده» (Cognitive Data Readiness) برای تبیین پیش نیازهای داده ای استقرار موفق هوش مصنوعی در سازمان های داده محور است. پژوهش حاضر از نوع مفهومی بوده و با استفاده از مرور نظام مند ادبیات مرتبط با آمادگی داده، آمادگی هوش مصنوعی، حاکمیت داده، قابلیت های پویا و موفقیت استقرار هوش مصنوعی انجام شده است. بر اساس تحلیل ادبیات، چارچوب پیشنهادی در سه لایه اصلی شامل بنیان های داده ای، قابلیت های شناختی داده و پیامدهای هوش مصنوعی توسعه یافته است.

یافته های پژوهش نشان می دهد که آمادگی شناختی داده فراتر از کیفیت و دسترس پذیری داده بوده و مولفه هایی نظیر انسجام معنایی داده، زمینه مندی اطلاعات، قابلیت تبیین داده، یکپارچگی دانشی و سواد داده سازمانی را نیز در بر می گیرد. همچنین پیشنهاد می شود که آمادگی شناختی داده از طریق افزایش آمادگی هوش مصنوعی، موفقیت استقرار سامانه های هوش مصنوعی را تحت تاثیر قرار می دهد.

چارچوب ارائه شده می تواند به عنوان مبنایی برای توسعه مدل های تجربی آینده و ابزاری برای ارزیابی میزان آمادگی سازمان ها در بهره برداری از فناوری های نوین هوش مصنوعی مورد استفاده قرار گیرد.