人工智能（AI）正处于成为主流的风口浪尖。但是研究表明，在实时应用程序部署中缺乏数据质量和技术专业知识等障碍正在创建实施差距，这将使一些组织在AI竞赛中落后。
保罗·克拉夫（Paul Clough）是数据科学的负责人和AI的负责人，处于峰值指标。
在2020年代，AI看起来越来越像1990年代的互联网一样。每天，它都不再是一个小主题，只有精通技术的话题和理解，而更像是各个领域的企业和各种规模的企业都可以忽略。接下来的五年将使越来越多的企业在其业务中更广泛地提供洞察力和自动化。
但是，从AI谈话转移到试验，然后转移到有效实施并非易事。即使是为了识字，以技术为重点的企业，成功地实施了AI，因此它对组织产生重大影响也可能是一场艰苦的斗争。对于其他企业来说，感觉就像是一座山上的山。
你可能喜欢
随着AI竞赛的升温，准备好数据
AI蓬勃发展＆Mdash;但是企业是否看到了真正的影响？
在数据智能的基础上成为精通AI的
从AI谈话转变为审判
Opinium对AI业务报告进行的最新研究捕捉了这种困难和二分法＆ndash;谈论谈话是一回事，但是有效地使用AI是另一回事。因此，虽然十分之四的公司正在调查AI的好处，但实际上只有30个公司在至少一部分业务中积极使用AI。的确，这一数字是由微型企业采用率低的驱动的，但是即使在最大的企业中，目前只有10％的企业在AI中广泛使用，而35％的人以有限的方式使用了AI。
当看中小型企业时，区别更加明显。只有1％的小型企业和2％的中型企业在其组织中广泛使用AI，而18％的中小型企业和32％的中型企业以有限的方式对其进行了测试。大约四分之一的中小型企业和五分之一的大型企业仍在谈论AI的阶段。
查看这些数据，很明显，那里的实现差距 - 不仅是跨较小的企业。愿意存在，但是许多组织都在努力超越调查AI技术。
只有16％的大型企业具有强大的数据基础
克服此AI实施差距意味着解决组织内部的许多问题，包括技术和文化。但是，最重要的一步是在包括数据质量和治理在内的业务权利中获得AI的数据基础。研究表明，即使在大型公司中，只有16％的人拥有适当的AI数据基础。
你是专业人士吗？订阅我们的新闻通讯
注册techradar Pro新闻通讯，以获取您的业务成功所需的所有首选，意见，功能和指导！取得成功！请与我联系我们的其他未来品牌的新闻，并代表我们值得信赖的合作伙伴或Sponsorsby提交您的信息，您同意您同意的条款和隐私政策，并年龄在16岁或超过16岁之间。
强大的数据基础为企业提供了可以做出决策的真理的单一可靠版本，并可以围绕AI驱动的解决方案构建。数据驱动的业务具有三个关键特征：数据洞察力在组织内的各个层面都可以轻松获得，并用于备份一个单个架构中的每个决策，以使更深入的分析advancanced Analytics（分析）和AI指导跨多个业务流程的操作
相比之下，数据基础差的组织将使用直觉和直觉做出决策。他们不会系统地整理数据，并且往往具有不可靠且耗时的数据。
迈向以数据为基础的数据驱动业务的第一步是了解组织所拥有的数据，以及用于使用的数据。这通常可能具有挑战性，但是审计和分类数据集可以帮助您。
接下来，通过分析和绘制数据质量的特定用途的数据质量属性将有助于围绕良好数据质量含义的想法，无论是一般和特定用途，问题所在的位置以及需要采取哪些步骤。
实现高水平数据质量的下一阶段是如何收集它。毫不奇怪，收集过程中质量数据差的最大原因是手动数据输入错误。这可能是客户或员工。最小化这些的一种方法是通过验证机制，例如不让用户继续以适当的格式填写所有必需字段。
这引发了解决数据质量的关键问题 - 这是一个人问题，而不仅仅是技术问题。我们可以使用工具来解决技术问题，但我们还需要适应和改变文化和业务流程。
通过建立强烈的数据治理文化（并通过扩展数据质量），人们将更容易发现数据问题，了解问题对业务的影响，并致力于解决问题。
除文化外，任何组织都必须建立规则（基于他们希望拥有的数据的属性），以确保其通过数据生命周期保持其质量。有许多开源工具和数据分析公司可以为此提供帮助。
最后阶段是监视和报告。确保数据质量是一个持续的过程。您不仅总是收集新数据，而且您所拥有的质量可能会在用于不同目的的情况下改变。可以生产用于特定工作，职能和部门的数据质量仪表板，以衡量质量并确保其适合目的。
数据是解锁AI潜力的关键
当然，在企业中采用AI的其他技术障碍。许多企业在AI部署方面缺乏专业知识。同样，这也是一个人的问题 - 或更具体地说是招聘问题，也是技术问题。
另一个问题是在任何AI计划开始时都无法烘烤用户体验。如果最终用户选择不出于任何原因不使用解决方案，则采用率将保持较低，投资回报率将为零，业务将没有任何好处。因此，从第一天开始，重要的是要了解用户如何使用数据及其偏爱与数据或仪表板进行交互。
除此之外，文化和商业障碍抑制了对审判的谈话进展：缺乏对董事会级别的AI计划的真正食欲和支持；未能由降低组织的人为AI创建令人信服的业务案例；竞争投资计划等。
所有这些问题都需要解决和解决。但是，如果没有强大的数据基础，任何AI项目都将努力从谈话转向跟踪，又可以成功实施。
在Techradar，我们拥有最好的小型企业软件。
