Искусственный интеллект (ИИ) стремительно проникает в корпоративный сектор: от экспериментов к повседневному использованию. Организации внедряют ко-пилотов, агентов и предиктивные системы в сферах финансов, цепочек поставок, управления персоналом и клиентских операций. Согласно недавнему опросу, к концу 2025 года половина компаний будет использовать ИИ как минимум в трех бизнес-функциях, о чем свидетельствует недавний опрос.
Однако по мере того, как ИИ встраивается в основные рабочие процессы, руководители бизнеса обнаруживают, что главным препятствием является не производительность моделей или вычислительная мощность, а качество и контекст данных, на которых основаны эти системы. По сути, ИИ вводит новое требование: системы должны не только иметь доступ к данным, но и понимать бизнес-контекст, стоящий за ними.
Без этого контекста ИИ может быстро генерировать ответы, но при этом принимать неверные решения, говорит Ирфан Хан, президент и директор по продуктам SAP Data & Analytics.
«ИИ невероятно хорош в получении результатов, — говорит он. — Он работает быстро, но без контекста не может проявить здравый смысл, а именно здравый смысл обеспечивает возврат инвестиций для бизнеса. Скорость без здравого смысла бесполезна. Она может даже навредить нам».
В наступающую эру автономных систем и интеллектуальных приложений этот слой контекста становится жизненно необходимым. По словам Хана, для обеспечения контекста компаниям необходима хорошо спроектированная «дата-фабрика» (data fabric), которая делает нечто большее, чем просто интеграция данных. Правильная дата-фабрика позволяет организациям безопасно масштабировать ИИ, координировать решения между системами и агентами и гарантировать, что автоматизация отражает реальные приоритеты бизнеса, а не принимает решения изолированно.
Осознавая это, многие организации пересматривают свою архитектуру данных. Вместо простого перемещения данных в единое хранилище они ищут способы связывания информации между приложениями, облаками и операционными системами, сохраняя при этом семантику, описывающую, как работает бизнес. Этот сдвиг стимулирует растущий интерес к дата-фабрике как основе инфраструктуры ИИ.
Потеря контекста — критическая проблема ИИ
Традиционные стратегии работы с данными в значительной степени были сосредоточены на агрегации. За последние два десятилетия организации вложили значительные средства в извлечение информации из операционных систем и ее загрузку в централизованные хранилища, озера данных и панели мониторинга. Такой подход упрощает создание отчетов, мониторинг производительности и получение аналитических данных по всему бизнесу, но в процессе теряется большая часть смысла, связанного с этими данными — то, как они соотносятся с политиками, процессами и реальными решениями.
Возьмем две компании, использующие ИИ для управления сбоями в цепочках поставок. Если одна использует необработанные сигналы, такие как уровни запасов, сроки выполнения заказов и оценки поставщиков, а другая добавляет контекст бизнес-процессов, политик и метаданных, обе системы быстро проанализируют данные, но, вероятно, придут к разным выводам.
Информация о том, какие клиенты являются стратегическими, какие компромиссы допустимы во время дефицита и каков статус расширенных цепочек поставок, позволит одной системе ИИ принимать стратегические решения, в то время как у другой не будет надлежащего контекста, говорит Хан.
«Обе системы движутся очень быстро, но только одна движется в правильном направлении, — говорит он. — Это «премия за контекст» и то преимущество, которое вы получаете, когда ваша основа данных сохраняет контекст в процессах, политиках и данных по замыслу».
В прошлом компании неявно компенсировали нехватку контекста, поскольку недостающую информацию предоставляли эксперты-люди, но с ИИ возникает дефицит, что создает серьезные ограничения. Системы ИИ не просто отображают информацию — они действуют на ее основе. Если система не объясняет, почему данные важны, модель ИИ может оптимизировать неверный результат. Показатели запасов, платежные истории или сигналы спроса могут быть точными, но они не обязательно раскрывают, каких клиентов необходимо приоритизировать, какие договорные обязательства применимы или какие продукты стратегически важны. В результате система может выдавать технически правильные, но операционно ошибочные ответы.
Это осознание меняет подход компаний к готовности к использованию ИИ. Большинство признают, что у них нет достаточно зрелых процессов работы с данными и инфраструктуры, чтобы доверять своим данным и системам ИИ. Только одна из пяти организаций считает свой подход к данным высокозрелым, а только 9% чувствуют себя полностью готовыми к интеграции и взаимодействию со своими системами данных.
Не консолидировать, а интегрировать
Возникающее решение — это дата-фабрика: уровень абстракции, охватывающий инфраструктуру, архитектуру и логическую организацию. Для агентного ИИ фабрика становится основным интерфейсом, позволяя агентам взаимодействовать с бизнес-знаниями, а не с системами хранения необработанных данных. Графы знаний играют центральную роль, позволяя агентам запрашивать корпоративные данные с использованием естественного языка и бизнес-логики.
Ценность дата-фабрики зависит от трех компонентов: интеллектуальных вычислений для обеспечения скорости, пула знаний для обеспечения понимания бизнеса и контекста, а также агентов для обеспечения автономных действий, основанных на этом понимании. Сила этого подхода заключается в том, как эти возможности работают вместе, говорит Хан.
Технология предоставляет архитектуру — основу, которая делает возможным общение и координацию между агентами. Процесс определит, как бизнес и ИТ будут совместно владеть системой, а также установит управление и культуру, в которой люди будут доверять ей достаточно, чтобы принять. Теперь все три элемента должны работать вместе, чтобы бизнес-ориентированная дата-фабрика действительно стала успешной.
«Она обеспечивает уверенные, последовательные решения, и когда все эти элементы сходятся воедино, ИИ не просто анализирует и интерпретирует данные — он стимулирует более умные и быстрые решения, которые действительно оказывают влияние на бизнес», — говорит он. «Это обещание продуманно спроектированной бизнес-дата-фабрики, где каждая часть подкрепляет другую, а каждая аналитическая информация основана на доверии и ясности».
Технически создание уровня дата-фабрики требует нескольких возможностей. Данные должны быть доступны в нескольких средах посредством федерации, а не принудительной консолидации. Необходим семантический уровень или уровень знаний для гармонизации смысла между системами, часто поддерживаемый графами знаний и метаданными, управляемыми каталогом. Управление и принудительное применение политик также должны действовать в рамках всей фабрики, чтобы системы ИИ могли получать доступ к данным безопасно и согласованно.
Вместе эти элементы создают основу, где ИИ взаимодействует с бизнес-знаниями, а не с системами хранения необработанных данных — это важный шаг для перехода от экспериментов к реальной корпоративной автоматизации.
За пределами изоляции данных и дашбордов
В наступающую эру агентного ИИ ответственность за мониторинг, анализ и принятие решений на основе данных все больше переходит к программному обеспечению. Агенты ИИ могут отслеживать события, запускать рабочие процессы и принимать решения в режиме реального времени, часто без прямого вмешательства человека. Эта скорость создает новые возможности, но также повышает ставки. Когда несколько агентов работают в сферах финансов, цепочек поставок, закупок или клиентских операций, они должны руководствоваться единым пониманием бизнес-приоритетов.
Без общего слоя знаний, связывающего разрозненные данные, координация между системами быстро нарушается. Одна система может оптимизировать маржу, другая — ликвидность, а третья — соответствие требованиям, и каждая будет работать на основе разных срезов данных.
Важно отметить, что большинство предприятий уже обладают многими знаниями, необходимыми для того, чтобы это заработало, говорит Хан. Годы операционных данных, основных данных, рабочих процессов и логики политик уже существуют в бизнес-приложениях — компаниям просто нужно сделать их доступными. Компании, которые внедряют дата-фабрики, обретают большее доверие к своим данным: более двух третей предприятий отмечают улучшение доступности данных, их видимости и усиление контроля над ними.
«Возможность заключается не просто в изобретении контекста с нуля, а в активации и соединении уже существующего контекста в вашем бизнесе», — продолжает он, добавляя, что дата-фабрика — это «архитектура, которая обеспечивает связь семантики данных, бизнес-процессов и политик в единую систему на всех облаках».
Этот контент подготовлен Insights, подразделением по созданию заказного контента MIT Technology Review. Он не был написан редакционным персоналом MIT Technology Review. Он был исследован, спроектирован и написан людьми-авторами, редакторами, аналитиками и иллюстраторами. Это включает в себя проведение опросов и сбор данных для опросов. Использованные инструменты ИИ были ограничены второстепенными производственными процессами, прошедшими тщательную проверку человеком.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Jenn Webb
