Soheil Mahdikhani
31 یادداشت منتشر شدهتحلیل راهنمایی CIO ها در مورد تحلیل های مدرن
تحلیل راهنمایی CIO ها در مورد تحلیل های مدرن
مقدمه
در دنیای فناوری اطلاعات، CIOها به دنبال راهکارهایی برای بهره برداری از فناوری های نوین مانند هوش مصنوعی مولد (Generative AI) هستند. بررسی اخیر انجام شده توسط Dataiku و Cognizant، با مشارکت ۲۰۰ رهبر ارشد تحلیل و فناوری اطلاعات، نشان دهنده چالش ها و فرصت های موجود در این مسیر است. این بررسی، بینش های ارزشمندی در مورد نحوه استفاده از هوش مصنوعی، پشته های تکنولوژی، چالش های داده ای و بیشتر به دست می دهد.
شکاف بین اهداف و واقعیت ها
یکی از مهم ترین یافته ها، وجود شکاف عظیم بین اهداف CIOها و توانایی های اجرایی آن ها است. بسیاری از این رهبران تلاش می کنند تا قابلیت های هوش مصنوعی مولد را در مقیاس گسترده به کار گیرند، اما زیرساخت های تحلیل و داده های قدیمی مانعی بزرگ برای تحقق این هدف هستند. از ۲۰۰ پاسخ دهنده به این بررسی، ۶۰٪ اعلام کرده اند که بیش از پنج ابزار مختلف برای انجام هر مرحله از چرخه تحلیل و هوش مصنوعی دارند.
سرمایه گذاری قابل توجه
یافته های این تحقیق نشان می دهد که ۴۶٪ از پاسخ دهندگان برنامه دارند در ۱۲ ماه آینده بیش از یک میلیون دلار برای هوش مصنوعی مولد هزینه کنند. این در حالی است که بسیاری از آن ها همچنان با مشکلاتی نظیر هزینه های بالای زیرساخت و سیاست های داخلی مواجه هستند. همچنین، ۷۳٪ از پاسخ دهندگان اعلام کرده اند که در ۱۲ ماه آینده بیش از ۵۰۰ هزار دلار برای هوش مصنوعی مولد هزینه خواهند کرد.
چالش های زیرساختی
از پاسخ دهندگان، ۲۶٪ با مشکلات زیرساختی و ۳۱٪ با موانع سازمانی در استفاده از مدل های زبانی بزرگ (LLMs) مواجه هستند. علاوه بر این، ۴۴٪ از رهبران باور دارند که ابزارهای داده ای آن ها نیازهای تحلیل و هوش مصنوعی را به درستی پوشش نمی دهند. این چالش ها نشان دهنده نیاز به تغییرات اساسی در پشته های تکنولوژی و زیرساخت های داده ای است.
اهمیت کیفیت داده
یکی از بزرگترین چالش های CIOها همچنان کیفیت داده ها است. در حالی که ابزارهای بسیاری برای بهبود کیفیت داده ها وجود دارد، همچنان بسیاری از سازمان ها با مشکلات مربوط به داده های ناپاک و نبود اعتماد به داده ها دست و پنجه نرم می کنند. ۴۵٪ از پاسخ دهندگان اعلام کرده اند که کیفیت و استفاده پذیری داده ها یکی از بزرگترین چالش های زیرساخت داده ای آن ها است.
راهکارهای پیشنهادی
- پایش هزینه ها: ابزارهایی مانند Dataiku LLM Cost Guard برای نظارت بر هزینه ها و شناسایی الگوهای مصرف نامناسب. این ابزار به تیم های IT کمک می کند تا به صورت فعال هزینه های خود را مدیریت کرده و از مشکلات مصرفی جلوگیری کنند.
- رعایت قوانین: پیاده سازی معماری های با حاکمیت مناسب برای کاهش ریسک های عملیاتی و تطابق با مقررات، از جمله قوانین اتحادیه اروپا (EU AI Act). شرکت ها باید فرآیندهای مستند خود را به عملیاتی تبدیل کنند تا هزینه های ناشی از عدم تطابق را کاهش دهند.
- توسعه داده های با کیفیت: استفاده از ابزارهای پیشرفته برای شناسایی و اصلاح مشکلات کیفیت داده ها. ابزارهای نظیر Dataiku و Cognizant’s Data Scan Tool به سازمان ها کمک می کنند تا داده های خود را تحلیل کرده و قوانین کیفیت داده را بهبود بخشند.
نتیجه گیری
هوش مصنوعی مولد به سرعت به یک عنصر کلیدی در سازمان ها تبدیل شده است. با این حال، برای بهره برداری کامل از این فناوری، CIOها باید راهکارهایی برای مدیریت هزینه ها، تطابق با قوانین و بهبود کیفیت داده ها پیدا کنند. این یادداشت علمی، نگاهی جامع به چالش ها و راهکارهای پیش روی CIOها در مسیر تحلیل های مدرن ارائه می دهد و می تواند راهنمایی ارزشمند برای رهبران فناوری اطلاعات باشد.
منابع
- Dataiku and Cognizant. "A CIO's Guide to Modern Analytics." 2024.
- Bloomberg. "Generative AI to Become a $1.3 Trillion Market by 2032, Research Finds."
- McKinsey & Company. "Moving Past Gen AI's Honeymoon Phase: Seven Hard Truths for CIOs to Get from Pilot to Scale."