AI および分析プロジェクトが失敗しないようにするにはどうすればよいでしょうか?

2023 年は経済危機と気候リスクが拡大する年であるため、効率性、回復力、その他の主要な取り組みを推進するためのデータ主導型の洞察の必要性が、2023 年の企業にとっての最優先事項となります。多くの企業は、このニーズを満たすために高度な分析と人工知能を導入しようとしています。今、彼らは概念実証を投資収益率につなげなければなりません。

多くの企業が、多くの人材と適切なソフトウェアに投資し、大きな進歩を遂げています。しかし、多くの企業の AI および分析プロジェクトは、AI および高度な分析ワークロードをサポートする適切な基盤テクノロジーを備えていないために失敗します。一部の企業は時代遅れのレガシー ハードウェア システムに依存していますが、他の企業はパブリック クラウドの活用に伴うコストと制御の問題によって妨げられています。ほとんどの企業は AI ソフトウェア ツールのパワーに魅了され、適切なハードウェアを選択できません。

これらの分野でイノベーションのペースが加速する中、テクノロジー リーダーは今、人工知能と分析プロジェクトをうまく活用するために何が必要かを評価する時期に来ています。

企業は適切なインフラストラクチャを構築する必要がある

調査会社 IDC が 2,000 人以上のビジネス リーダーを対象に実施した調査で、人工知能システムには専用のインフラストラクチャでの実行が必要であると認識している回答者が増えていることがわかりました。本当の価値を提供します。実際、多くの回答者が、AI プロジェクトが失敗する主な理由として、適切なインフラストラクチャの欠如を挙げています。 IDCは、AI中心のインフラストラクチャへの移行を妨げる要因は、コストと戦略、そして既存のデータ環境とインフラストラクチャの複雑さに関する懸念であると指摘しました。

業界の専門家は、企業にとって新しいプラットフォームの導入が難しいことに同意していますが、計算能力、メモリ アーキテクチャ、データ処理、ストレージ、セキュリティなどの基本的な考慮事項を考慮して、AI および分析プロジェクトの価値を最適化する方法はあります。 . セックス。

鍵となるのはデータです

ハーバード ビジネス レビュー誌が最近発表した調査レポートによると、人工知能と分析の導入に成功している企業にとって、データの可用性は重要な業績評価指標です。つまり、成功したビジネス リーダーは自社のデータを民主化し、従業員がデータにアクセスできるようにし、顧客やサプライヤーからデータを収集し、他のユーザーと共有しています。データの処理は、コアテクノロジーとハードウェアの鍵です。考慮すべき点は次のとおりです:

データの取得: より多くのデータをより迅速に分析できるようにするために、企業は高性能サーバーと AI 対応チップ (CPU か GPU かを問わず) を使用して分析を高速化する必要があります。最新のコンピューティング インフラストラクチャは、データベースと分析、人工知能と機械学習、ハイ パフォーマンス コンピューティングなどのワークロードをサポートすることで、ビジネスの機敏性と市場投入までの時間を短縮するように設計されています。

データの保存: 多くの企業は実用的な洞察を収集するために大量のデータを持っていますが、それを保存するための安全で柔軟な場所が必要です。最も革新的な非構造化データ ストレージ ソリューションは柔軟性があり、主にパフォーマンスを犠牲にすることなく大規模な信頼性を実現するように設計されています。最新のオブジェクト ストレージ ソリューションは、グローバルに分散されたアーキテクチャ上でパフォーマンス、スケーラビリティ、復元力、互換性を実現し、クラウド ネイティブ、アーカイブ、IoT、人工知能、ビッグ データ分析などのエンタープライズ ワークロードをサポートします。

データを保護: サイバー脅威は、エッジ、オンプレミス、クラウドを問わず、あらゆる場所に存在します。企業のデータ、アプリケーション、重要なシステムは保護されなければなりません。多くのビジネス リーダーは、セキュリティを損なうことなく、最大限の柔軟性とビジネスの俊敏性で運用できる信頼できるインフラストラクチャを求めています。彼らは、ゼロトラスト アーキテクチャを採用して、企業全体のストレージ、サーバー、ハイパーコンバージド、ネットワーク、データ保護ソリューションにセキュリティ機能を組み込むことを望んでいます。

データの移動: データ生成の状況が変化し、データ トラフィック パターンがより複雑になるにつれて、需要の急増により、ほとんどの企業はネットワークの再評価を必要としています。データがシームレスに流れるためには、適切なネットワーク システムが導入されている必要があります。ただし、従来の独自ネットワークにはスケーラビリティ、実績のあるクラウドベースのソリューション、自動化が欠けていることが多く、オープンソース ソリューションはコストが高く柔軟性に欠ける可能性があります。オープン ネットワーキングは、エッジからコア、クラウド プラットフォームに至るまで、ソフトウェアの選択、エコシステムの統合、自動化によって現代の企業を強化することで、この課題に対処します。

データへのアクセス: 人工知能テクノロジーの開発と導入は、強力で効率的なワークステーション上で行われることが増えています。これらの専用システムにより、エッジ推論が可能になるため、チームは AI 開発のすべての段階で、さらには展開中に AI と分析をよりスマートかつ迅速に使用できるようになります。従業員が必要なデータにアクセスできるようにするために、企業はサイロ化され、厳格で高価な従来のシステムから脱却し、分析と人工知能におけるスピード、拡張性、信頼性を可能にする新しいソリューションに移行する必要があります。 Data Lakehouse は、ビジネス インテリジェンス、分析、リアルタイム データ アプリケーション、データ サイエンス、機械学習を 1 か所でサポートし、データ サイエンティストやビジネス アナリストなど、ビジネス価値を高めるためにデータを必要とする人々に、信頼できるデータへの迅速かつ簡単なアクセスを提供します。機能へのアクセス。

結果に焦点を当てる

分析と人工知能は、データ ウェアハウス、データ フロー、データ レイクからより優れたビジネス インサイトを生み出すことを約束します。しかし、企業はまず、AI または分析プロジェクトを開発し、適切に導入する能力を評価する必要があります。ほとんどの企業は、エッジからデータセンター、クラウド プラットフォームに至る AI の開発と導入をサポートできるように、重要なインフラストラクチャとハードウェアを最新化する必要があります。これを行う企業は、自社のデータとアプリケーションが力を倍増させるものであることに気づくでしょう。その過程で、今後何年にもわたって IT およびビジネスの目標を達成するために、データの安全性とアクセス性を確保するためのアップグレードを実装します。

以上がAI および分析プロジェクトが失敗しないようにするにはどうすればよいでしょうか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。