AI-Oplossingen
De gids voor IT-leiders over het voeden van hoogwaardige data aan AI
Hoogwaardige data zijn de sleutel tot hoogwaardige AI-resultaten, maar hoe u deze kunt cultiveren is niet altijd duidelijk. Dit playbook biedt de helpende hand.
IT-leiders weten dat de kwaliteit van de data van hun organisatie bepaalt hoe hun AI-oplossingen presteren. Hun data-engineers vertellen dat.
Toch klagen dezelfde data-engineers vaak over het gebrek aan solide data in hun organisatie en maken ze zich zorgen over het werk dat nodig is om deze data te cultiveren. Deze cohorten delen de last met hun bedrijfsleiders.
Volgens onderzoek van de Futurum Group en Kearney noemt bijna twee derde van de CEO’s data van lage kwaliteit of niet-gekoppelde data als gevolg van geïsoleerde infrastructuren en gefragmenteerde technologiestacks als de belangrijkste barrière die de schaalbaarheid van AI-oplossingen verhindert.
Voordat u gaat onderzoeken hoe u data van hoge kwaliteit kunt cultiveren om in AI-oplossingen toe te passen, is het belangrijk om inzicht te krijgen in de mogelijke gevolgen van slechte data.
De realiteit van ‘garbage in, garbage out’
Garbage in, garbage out. Deze uitdrukking werd bekend bij de opkomst van generatieve AI. Wanneer data in een AI-model onnauwkeurig of bevooroordeeld is (garbage in), kunnen modellen niet generaliseren, wat leidt tot fouten in voorspellingen of beslissingen (garbage out).
Maar hoe ziet dit er in de praktijk uit? Wanneer u data van slechte kwaliteit in een AI-systeem invoert, vraagt u het systeem in wezen om beslissingen te nemen die miljoenen dollars kosten op basis van beschadigde informatie.
Stel, een retailketen implementeert een AI-systeem om de voorraad in 500 winkels te optimaliseren. En stel u nu voor dat de verkoopgegevens van de keten onjuist waren gemarkeerd, waardoor deze als extra verkopen werden weergegeven.
Als gevolg hiervan gaat het AI-systeem er ten onrechte vanuit dat bepaalde producten 30% meer verkopen realiseren. Het resultaat? Enorme overbestellingen van traaglopende artikelen, miljoenen aan overtollige voorraad en voorraadtekorten.
Of neem het geval van een grote bank waarvan de AI-chatbot getraind was op basis van transcripties van klantenservicegesprekken die vol stonden met slecht bijgehouden, onnauwkeurige data, waarbij medewerkers gegevens over betaalrekeningen afkortten met termen als ‘lpd’, ‘lopende rekening’ of zelfs numerieke rekeningcodes.
Helaas kan de chatbot geen betrouwbaar inzicht krijgen in aanvragen van klant elementaire bankservices, waardoor de klanttevredenheidsscores lager uitvallen. Vaak moet de bank meer menselijke agenten aannemen om de extra aanvragen te verwerken.
Stel u voor dat vergelijkbare situaties zich voordoen in andere gereguleerde sectoren die een delicate balans zoeken tussen naleving van regels en het nemen van risico’s. Soms kan het resultaat leiden tot reputatieschade en financiële verliezen; dat zijn ernstige vormen van ‘garbage out’.
Hoogwaardige data beheren
Dell Technologies en NVIDIA hebben dit eBook opgesteld waarin wordt uitgelegd hoe organisaties hun datastrategie kunnen ontwikkelen om succesvolle AI-implementaties te garanderen. Een cruciaal aspect van het faciliteren van een impactvolle datastrategie is het voorbereiden van data.
Data van hoge kwaliteit bepalen hoe goed een AI-model kan waarnemen, voorspellen en handelen – allemaal kritieke prestatiecriteria. Zonder goede data stort uw AI-basis in. We behandelen hier de stappen die nodig zijn om uw datahuis op orde te krijgen.
- Controleer uw data. Voordat u data naar de gewenste status kunt krijgen, moet u de status ervan beoordelen. Is uw databeheerstack schoon, georganiseerd en goed onderhouden? Door deze stappen uit te voeren, kunt u fouten, duplicaten of inconsistenties detecteren en oplossen.
- Breng de datasilo’s samen. Organisatiedata liggen verspreid over verschillende bedrijfsonderdelen, in applicaties en platforms. Het consolideren van databronnen biedt u een nauwkeuriger beeld van uw data, vermindert duplicatie en leidt tot meer bruikbare inzichten.
- Data voorbereiden. Na verloop van tijd raken data verouderd en nemen ze gigantische vormen aan. Het opschonen, labelen en standaardiseren van data verbetert de prestaties van AI-modellen en verkort de implementatietijd. Het vaststellen van organisatienormen voor datastructuur, consistentie en volledigheid draagt ertoe bij dat de modellen waarop uw bedrijf vertrouwt, leren van de juiste signalen.
- Beheer en naleving implementeren. Databeveiliging en veerkracht zijn van het grootste belang. Door een duidelijke datalijn, beveiligingscontroles en nalevingsframeworks te creëren, wordt er vertrouwen in AI-systemen opgebouwd. Het behoud van een sterke structuur voor databeheer en audittrail zorgt ervoor dat gevoelige data op een verantwoorde manier worden gebruikt en dat naleving wordt geëerbiedigd.
- Data-infrastructuur moderniseren. Voor AI-oplossingen zijn moderne computing-, storage- en netwerktechnologieën vereist, evenals de expertise om deze te configureren en ondersteunen. Door te upgraden naar platforms die realtime toegang, schaalbaarheid en integratie ondersteunen, kan uw organisatie voldoen aan toenemende AI-vereisten.
De weg naar het moderniseren van uw data-infrastructuur
Het vereenvoudigen van de manier waarop data worden verplaatst, de manier waarop deze worden verwerkt en de manier waarop deze worden beheerd, zorgt ervoor dat uw AI-workloads kunnen worden op- en afgeschaald. Een uniforme, flexibele aanpak versnelt de time-to-market en maakt uw organisatie toekomstbestendig.
Het is moeilijk om een dergelijke aanpak in het leven te roepen. Dell Technologies en NVIDIA hebben Dell AI Factory with NVIDIA gecreëerd, die bestaat uit technologieën en services om uw gebruiksscenario’s te versnellen, uw data en workflows te integreren en u te helpen uw eigen AI-traject te ontwerpen.
Weet u nog: garbage in, garbage out. Goede data creëren concurrentievoordelen, terwijl slechte data op schaal dure problemen veroorzaken. De vraag is niet of u het zich kunt veroorloven om te investeren in datakwaliteit, maar of u het zich kunt veroorloven om dat niet te doen.
Kunt u het zich veroorloven om dat niet te doen?
Meer informatie over Dell AI Factory with NVIDIA.
