AI正逐步成为业务运营体系中的关键组成部分,但对于许多IT团队来说,这并不是条畅通无阻的平坦之路。了解个中挑战的最佳方式,自然是直接询问负责将AI引入企业的负责人——NetApp在其最新发布的《2024年数据复杂性报告》中正是这样做的。这份报告囊括了关于组织如何应对挑战的见解,表明AI落地要求以不同于以往的方式看待数据资源。
随着人工智能成为现代企业中不可或缺的组成部分,当前了解组织如何管理其数据已经比以往任何时候都更加重要。NetApp的这份报告重点关注数据管理与AI准备工作中的复杂性,为正在探索AI旅程的公司带来了宝贵见解。
从本质上讲,AI落地离不开数据。AI计划的成功与否,取决于组织如何准备、管理并运用其数据资源。NetApp的报告显示,部署AI的挑战大多源自底层数据问题,而且在混合及多云环境中表现得尤其明显。有能力通过数据战略视角应对AI准备问题的企业,往往更善于释放AI价值进而实现业务改造目标。
这种关注点的转变,反映出人们正广泛意识到数据战略不应僵化静态。企业越来越多地将数据视为战略资产,其需要一个支撑动态环境的框架,全面涵盖从本地系统到云端的整个运营体系。建立统一数据管理方法,正在成为AI集成的基础性步骤。
NetApp在其2024年数据复杂性报告中,确定了企业在实现AI就绪期间面临的几大关键挑战:
尽管面临诸多挑战,但优先关注数据战略的企业仍然取得了可喜的进展。采用统一的数据管理方法(连接不同环境中的信息,而非将其整合至单一位置)的企业将拥有更强的AI运营支持能力。这种方法使得企业能够将其数据基础设施同AI目标保持一致,同时实现灵活性与可扩展性。
组织也通过投资将可持续性、安全性及适应性战略框架纳入业务体系。通过关注并运用这些考量因素,企业能够满足当前AI需求,同时为未来可能出现的新需求做好准备。
我们很难不同意报告中的结论性表述,即2025年将成为企业AI发展历程中的关键节点。优先考虑统一数据、解决运营复杂性并整合可持续性实践的组织,将更有能力释放AI的全部潜力并获得竞争优势。而着眼当下,企业正处于AI转型之旅中的关键时期。
尽管许多组织在优化数据环境方面都取得了长足进步,但后续仍有大量工作要做。随着AI越来越深入融合进企业运营,花时间评估数据策略并投资长期解决方案的企业,往往更有能力取得成功。
为了推动AI成功,组织必须采用数据管理战略框架。具体方法应当包含:
此番研究不仅为2024年数据复杂性报告提供了信息支持,同时也为数据基础设施的后续发展带来了指引,NetApp自然将这些结果铭记在心。今年早些时候,该公司提出了AI智能数据基础设施的发展愿景,这套方案有望满足报告中指出的一系列需求,超越传统存储、一步步迈向企业级AI数据管理引擎的新时代。
NetApp在这一领域的表现优先于其他传统竞争对手,该公司在整个AI生命周期中提出的数据管理愿景,也比戴尔科技或联想等厂商所公布的方案更加广泛且综合——作为长期合作伙伴,相信这些巨头也将在路线之中始终追随NetApp的脚步。正如报告中所强调,这是企业客户的需求,自然也是解决方案厂商躲不开的课题。
对于探索这一领域的企业来说,核心结论已经非常明显:理解并解决数据复杂性,对于实现AI就绪至关重要。AI要求以不同于以往的方式看待数据。通过关注数据管理、安全性及可持续性等基本要素,组织可以为有意义的AI集成与创新奠定基础,进而为业务的长期成功做好准备。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。