三大症结阻碍数据与AI项目,企业如何实现“无摩擦AI”?

AI1年前 (2023)发布 aixure
33 0 0
导读:当今绝大多数企业均认识到,为了获得竞争优势,将数据转化为战略资产势在必行。Altair创始人兼首席执行官James R. Scapa如此说道。 Altair(ALTR)是一家提供仿真、高性能计算(HPC)和人工智能(AI)领域软件及云解决方案的全球技术公司,近日公布了一项国…

“当今绝大多数企业均认识到,为了获得竞争优势,将数据转化为战略资产势在必行。”Altair创始人兼首席执行官James R. Scapa如此说道。

Altair(ALTR)是一家提供仿真、高性能计算(HPC)和人工智能(AI)领域软件及云解决方案的全球技术公司,近日公布了一项国际调查结果。此项调查表明绝大多数全球企业均广泛采用并实施了企业数据与AI战略,所占比例相当可观。该调查还显示,项目能否成功主要取决于组织、技术和财务等三大方面。

“人力、技术和投资方面均存在诸多问题,持续掣肘企业获得基于数据的见解,进而无法高效、顺利地交付成果。为了实现‘无摩擦 AI’,各大企业应积极转向自助数据分析工具,使非专业技术背景的用户能够在复杂的技术系统中轻松、高效地工作,防止上述问题继续阻碍企业获得长足发展。”James R. Scapa表示。

Altair发布的这项关于Frictionless AI的全球独立调查报告,吸引了美国、中国、法国、德国、印度、意大利、日本、韩国、西班牙和英国共计10个国家/地区的2037名来自目标行业领域的数据与数据分析专业人员参与其中。调查结果显示,如果企业内部部门之间存在摩擦,那么AI和数据分析项目会因此半途夭折,失败率居高不下(介于36%至56%)。

阻碍数据与AI项目成功的三大症结

什么是Frictionless AI(无摩擦AI)?

当企业实现“无摩擦 AI”时,数据分析将成为其业务中简单易行的一部分,其项目具有快速、可重复和可扩展等特点。到那时,AI技术和数据科学与企业数据之间将不存在任何技术摩擦;数据专家与领域专家之间的组织摩擦也荡然无存;而此时工作流程摩擦也消失殆尽,从而使数据应用从设计顺利过渡至生产部署阶段,进而实现高效的决策制定;迁移摩擦也将不再是基础设施或工具变革的阻碍。

此次Frictionless AI全球独立调查报告结果发现:组织、技术和财务是阻碍数据与AI 项目成功的三大症结所在。

1、组织方面。调查发现,各大组织正在努力填补数据科学领域大量的职位空缺,这是造成摩擦的重要原因。75%的受访者表示他们正积极寻找数据科学领域的专业人才,而35%的受访者则表示,大多数员工在AI技术方面的专业知识极为匮乏。调查中58%的人表示,人才短缺和提升现有员工技能水平所需的时间是企业采用AI战略过程中所面临的普遍问题。

2、技术方面。超过半数的受访者表示他们所在的企业通常面临着诸多技术限制,这极大地阻碍了数据与AI计划的发展。总体而言,受访者在数据处理速度、快速做出知情决策和数据质量方面遇到的阻力最大。近三分之二的受访者(63%)称,他们所在企业采用的AI驱动数据工具远比实际所需更为复杂。33%的人认为旧有系统无法开发出先进的AI与机器学习计划,此类问题迭出,最终往往会导致技术摩擦。

3、财务问题。尽管企业希望扩大其数据与AI战略,但团队与技术人员不得不面临着来自财务方面的层层阻碍。25%的受访者认为,财务限制作为一个关键的摩擦点,会对组织内部的AI项目造成负面影响。28%的人还表示管理层过多地关注于战略的前期投资成本,无法理解投资AI和机器学习将如何使他们的企业受益。33%的受访者纷纷表示,在依靠AI工具完成项目时,“实施成本高昂”(无论实际成本还是预算成本)是企业本身的一大短板。

AI技术和数据科学依然是企业投入重点

尽管项目失败率居高不下,但各行业各地区的企业仍坚持采用AI技术。 四分之一的受访者表示,他们所在企业的项目失败率已超过50%。42%的受访者承认,他们两年来在AI领域屡屡受挫,其项目失败率平均约为36%。尽管AI项目频遭“滑铁卢”,但各大企业仍坚持部署AI战略,他们坚信从长远来看,业务能力与服务水平必将得到大幅提升(78%),以往为数不多的成功经验也表明此项技术有望实现质的飞跃(54%)。

积极寻求数据科学业务发展的企业也不在少数。

33%的受访者称,在过去两年间,一半以上的数据科学项目均未能投产。此外,55%的受访者还表示,在此期间,其三分之一以上的数据科学项目亦未能顺利投产。令人震惊的是,高达67%的受访者纷纷表示,超过四分之一的项目无法顺利投产,此种情形比比皆是,屡见不鲜。

这也是全球范围内存在的普遍问题。

调查显示,在全球范围内,技术和人才往往会制约各大企业在其内部顺利地实现数据与AI战略部署。来自亚太地区(APAC)和欧洲,中东及非洲地区(EMEA)的受访者在调查中表示,与美洲地区(AMER)的企业相比,在过去的两年里,他们的AI项目失败率往往更高(54%和35%),后者仅为29%。65%的APAC受访者及61%的EMEA受访者一致认为,其所在企业无法充分掌握AI工具,往往会使事情事倍功半。78%的APAC受访者和75%的EMEA受访者表示他们正积极发掘数据科学领域的专业人才。

首次提出Frictionless AI概念

从全球视野看,赋能企业数字化转型的数据服务商数量众多、类型丰富、基因迥异,不仅包括服务工业、金融、零售等特定行业数字化转型起家的服务商,还包括通用型AI技术、数据分析产品提供商。

在数据驱动业务发展和智能决策成为企业数字化转型重要趋势的背景下,如何将企业积累的海量且复杂的数据高效利用起来,挖掘并发挥数据的更大价值,打通企业设计研发-生产制造-营销销售-运维等全生命周期的数据流通和全流程数字化转型,成为现阶段企业亟需回答的命题。

事实上,尽管许多企业都在努力实现全流程的数据驱动,但部门之间、人员之间仍存在孤立现象,很多企业难以正确并高效利用快速增长的数据。企业在应用AI技术和AI产品过程中会产生多种“摩擦”,而数据分析中存在的“摩擦”将成为企业数字化转型过程中的不稳定因素,导致项目失败、成本和人员投入浪费等。

基于企业数据分析应用这一痛点,Altair在行业内首次提出了“Frictionless AI”,即“无摩擦AI”概念,旨在帮助企业解决用户与数据之间、数据与行业专家之间,以及工具、基础设施不断变化等带来的摩擦。

Altair RapidMiner数据分析与人工智能平台

用户通过Altair RapidMiner数据分析与人工智能平台,可有效解决数据分析中的摩擦主要包括:数据专家和行业专家间的沟通偏差;缺乏知识或数据访问权限等繁杂流程设计;数据不完整、混乱或格式不完善;数据专家与已建立的数据分析工具集间的技能脱节;工具和基础设施不断变化导致的不确定性或项目重定向等。

6月9日,Altair在上海正式推出了Altair RapidMiner。出席此次启动仪式的有:RapidMiner创始人、Altair RapidMiner产品开发高级副总裁Ingo Mierswa博士,Altair大中华区总经理刘源博士,上海市数据科学重点实验室主任、复旦大学教授、教育部重点专项专家组成员肖仰华,普华永道数字化总监黄旭,上海市北高新(集团)有限公司总裁陈军,银联智策顾问(上海)有限公司总经理赵萌,江南造船研究院所长周清华。

赞助本站

© 版权声明

相关文章

暂无评论

暂无评论...