1960年代的太空競賽使全球超級大國競爭發展出色的技術能力。如今，一場類似的種族正在播放，再次速度，野心和創新是必不可少的 – 但是不是掌握太空飛行，而是掌握人工智能。
各國政府正在啟動大膽的國家戰略，而各個部門的組織都在迅速駕駛和擴展AI模型。在英國，政府的AI機會行動計劃刺激了更多的勢頭。但是，在這一進展之下有一個基本問題，可以在我們實現“升級”之前就可以解決任務：領導野心與現實與數據準備的不一致。
數據表明，企業可能高估了他們的準備。儘管有81％的全球組織已經在駕駛或擴展AI軟件，但只有44％的英國業務領導者報告說，AI已經提供了有意義的改進。那麼斷開連接的背後是什麼？
當野心超過對齊時間時
一個主要因素是領導野心與組織數據基礎架構的實際準備情況之間的根本錯誤。現實是，人工智能並不是一個野心。它需要大量清潔，有條理和可訪問的數據。然而，在許多組織中，數據仍然保持孤立，重複或不一致的管理。這會導致未對準，並且期望既過早又可能成本高昂。
當領導力和IT團隊不在同一頁面上有關數據策略和 管理層可以抑制AI計劃的成功。質量不佳的數據引入了偏見，削弱了模型性能，並最終侵蝕了對產出的信任。雖然不准確或“幻覺”結果需要人類糾正，但浪費時間和資源。在最壞的情況下，它們會損害客戶關係，品牌聲譽或監管地位。
不要忽略數據基礎架構
AI系統僅與受過培訓的數據一樣好，這也適用於管理基礎架構 整個生命週期的數據。畢竟，AI不僅使用數據，還可以創建它。
結果，組織必須對如何捕獲，存儲，確保，分類和退休的數據有明確的策略。標記敏感信息，管理版本控制並確保可追溯性的能力可以使企業能夠審核模型如何制定決定。這是一個有用的技術好處，也是監管合規性和道德AI的先決條件。
在可持續性方面，強大的基礎設施可以幫助管理不斷增長的數據莊園的環境影響。這可能包括優化存儲效率並減少未使用數據的能源消耗。同樣，諸如數據壓縮和分層之類的技術可以降低存儲的物理足跡，從而降低相關的能量和冷卻成本。
超過四分之一的企業預計，由於AI項目，他們的數據足跡將增長50％，因此有效的數據管理策略對於支持企業與AI野心同時實現目標至關重要。
支持合規性，安全性和彈性
實施AI時，我們不能僅僅考慮下一個季度，甚至明年。為了取得長期成功，考慮 網絡安全彈性和調節依從性也必須從一開始就嵌入。另一種選擇是冒著暴露敏感數據，數據損壞或昂貴的漏洞的風險。
所有這些都會破壞AI輸出並增加監管風險。彈性的基礎架構可確保AI系統可以從中斷中迅速恢復並保持性能，而合規性準備就可以實現安全，可擴展的AI部署。
如果正確構建，數據基礎架構還可以確保企業不會簡單地響應安全問題或監管要求，而是在前腳。隨著網絡威脅變得越來越複雜，智能存儲可以隔離和保護關鍵數據集，保持不變的備份並支持快速恢復。
結果，企業都可以更好地防止數據洩露，並且對此類事件更具彈性。越來越多的人也是一項任務 – 不僅僅是一個好人。例如，在歐盟中，DORA指南強制執行金融機構在網絡攻擊或系統故障的情況下採取了承受，應對和恢復的措施。
與1960年代不同，這場比賽並不是關於誰將是第一個部署最大或最複雜的模型的人。取而代之的是，誰將成為經受時間考驗的可持續，可信賴和可擴展系統的人。從數據開始。
業務領導者必須確保他們內部遵守其AI策略，以獲得長期成功。從合併數據管理策略開始，企業可以確保他們從右腳開始AI比賽。
我們已經提供了最好的IT自動化軟件。
本文是Techradarpro的專家見解頻道的一部分，在該頻道中，我們以當今技術行業的最佳和最聰明的頭腦為特色。這裡表達的觀點是作者的觀點，不一定是Techradarpro或Future Plc的觀點。如果您有興趣貢獻更多信息： https://www.techradar.com/news/submit-your-story-story-totor-to-techradar-pro
#如何在AI太空競賽中取得成功
