Подпишитесь на наши ежедневные и еженедельные рассылки, чтобы получать последние обновления и эксклюзивный контент о ведущих в отрасли материалах об ИИ. Узнать больше
Современные возможности искусственного интеллекта опираются на огромные объемы данных, и в результате специалисты по данным переосмысливают свои роли на предприятии.
Революция искусственного интеллекта, в которую мы вовлечены сегодня, развивается с такой головокружительной скоростью, что 77% руководителей предприятий уже обеспокоены тем, что упускают ее преимущества, согласно опросу Salesforce, проведенному в ноябре 2023 года.
Но с почти безграничной применимостью ИИ, на чем организация должна сосредоточиться в первую очередь? На самом ценном товаре, которым владеет предприятие — его данных — и позициях, наиболее тесно связанных с его поддержанием, манипулированием и потреблением. В конце концов, сегодняшние знаменитые генеративные модели ИИ дают результаты только настолько хорошие, насколько хороши огромные объемы данных, на которых они обучены. Способные распорядители этого информационного пространства имеют решающее значение.
ИИ заменит лишь несколько ролей, связанных с данными, если таковые вообще будут. Вместо этого программное обеспечение на базе ИИ расширит их возможности — и побудит амбициозных специалистов по данным быстро приобретать любые новые навыки, связанные с ИИ, которые могут потребоваться. Вот краткое изложение того, какое влияние ИИ окажет на роли, связанные с данными, в масштабах всей организации.
Директора по работе с данными (CDO)
По данным Harvard Business Review, должность CDO является одной из самых сложных должностей уровня C в ИТ, при этом CDO в среднем сохраняют свои позиции всего 2,5 года. ИИ — это потенциальный фактор, который изменит правила игры CDO, поскольку он предлагает новые возможности для создания ценности для предприятия.
До недавнего времени офис CDO считался центром затрат, который обеспечивает управление данными, целостность и безопасность. ИИ повышает положение CDO в ключевых направлениях. Во-первых, он добавляет изобилие автоматизации для улучшения качества данных, производительности базы данных и аналитики данных, обеспечивая лучшие результаты по всем направлениям. Во-вторых, приложения ИИ, от чат-ботов до оптимизаторов ценообразования и предиктивной аналитики, зависят от гигантских хранилищ качественных данных — и многие из этих приложений уже приносят новые доходы.
Но ИИ также добавляет важное новое обязательство для CDO: они должны гарантировать, что данные обучения ИИ не дадут предвзятых результатов. Классический пример — непреднамеренная ассоциация риска с заемщиками из числа меньшинств, кандидатами на работу, деловыми партнерами и т. д. Избегать предвзятости ИИ также является обязанностью разработчиков приложений ИИ, поэтому совместное тестирование должно быть постоянным.
Архитекторы данных
Архитекторы данных воплощают в жизнь видение, политику и инициативы CDO посредством эффективного планирования и проектирования. Это начинается с моделирования данных: сбора и анализа требований к данным и разработки логических и физических моделей для их удовлетворения. Моделирование данных на основе ИИ находится на ранней стадии, но по мере развития технологии оно поможет архитекторам создавать более сложные и точные модели.
Архитекторы данных могут использовать инструменты на основе ИИ для выявления тенденций в использовании данных с целью установления оптимального расположения данных, производительности хранения и безопасности данных для обслуживания приложений по всей организации. Такой анализ может распространяться на прогнозное планирование емкости, чтобы архитекторы могли определять, какие данные хранить на каких платформах, сейчас и в будущем, локально или в облаке.
Инженеры по обработке данных и специалисты по интеграции
Инженеры по работе с данными обычно управляют данными на системном, а не организационном уровне, уделяя особое внимание инфраструктуре, тогда как специалисты по интеграции данных решают извечную проблему смешивания и согласования данных из нескольких репозиториев для любого количества бизнес-приложений. Эти две пересекающиеся роли уже получают выгоду от ИИ.
Ключевой проблемой в этой области является управление метаданными, то есть организация всей важной информации, описывающей данные, полезные для предприятия, независимо от происхождения или платформы. Уже существуют инструменты ИИ, которые могут помочь выявить и упорядочить схему метаданных для сопоставления и интеграции данных. Некоторые также автоматизируют создание конвейеров данных, которые формируют структуру интеграции данных. Более новые предложения ИИ могут непрерывно контролировать качество данных по мере их прохождения через конвейеры, отмечая несоответствия в режиме реального времени.
Администраторы баз данных (DBA)
Управление корпоративной базой данных — это работа со многими аспектами, от настройки производительности до интенсивного выполнения SQL-запросов и обеспечения доступности и безопасности. Администраторам баз данных обычно необходимо сбалансировать требования различных групп пользователей, минимизируя при этом сбои по мере масштабирования хранилищ данных и появления новых версий программного обеспечения баз данных. И здесь ИИ может сократить время, затрачиваемое на черновые задачи, позволяя администраторам баз данных тратить больше времени на сбор и удовлетворение потребностей заинтересованных сторон.
Но главный выигрыш — в оптимизации. Использование инструментов на базе ИИ для анализа характеристик производительности позволяет администраторам баз данных выявлять узкие места и предвидеть будущие ограничения инфраструктуры — или фактически добавлять емкость без вмешательства человека. Инструменты ИИ, которые проверяют саму базу данных, могут предлагать настройки индексации и рекомендовать изменения в запросах, которые быстрее обеспечивают лучшие результаты.
Ученые, занимающиеся данными
ИИ, возможно, обеспечивает наибольшую выгоду для специалиста по данным, работа которого требует продвинутых навыков в программировании, машинном обучении (ML), математике и инструментах анализа данных. Например, автоматизированное ML (AutoML) значительно облегчает задачу разработки модели, включая выбор правильного алгоритма машинного обучения для работы. Плюс, как и в случае с любым программированием, специалисты по данным, пишущие код на Python или R, могут извлечь выгоду из повышенной производительности, которую предлагают помощники по кодированию на основе ИИ.
Специалисты по данным обладают широкими полномочиями, используя огромные объемы данных для определения долгосрочных тенденций, рисков и возможностей предприятия — процесс, обогащенный новым поколением аналитического программного обеспечения на основе ИИ. Но эта работа имеет грязный маленький секрет: специалисты по данным тратят большую часть своего времени на поиск, очистку и предварительную обработку данных. Каталогизация данных на основе ИИ ускоряет поиск, в то время как инструменты ИИ появляются, чтобы помочь выполнить шесть элементов качества данных: точность, полнота, согласованность, уникальность, своевременность и достоверность. Эта основа добавляет ценность аналитике данных на предприятии.
Аналитики данных
Как и специалисты по данным, аналитики данных извлекают выгоду из новых возможностей ИИ, встроенных в новейшие аналитические инструменты, хотя аналитики данных обычно сосредоточены на поддержке принятия решений в конкретной области, а не на общих представлениях. В течение многих лет ИИ поддерживал предиктивную аналитику, но новые, итеративные возможности МО улучшают распознавание шаблонов (и аномалий), чтобы давать гораздо более точные прогнозы. ИИ также может предоставлять наилучшую визуализацию для текущей задачи и даже автоматически генерировать панели мониторинга.
Вся эта автоматизация имеет эффект расширения доступа к аналитике данных. Интерфейсы естественного языка позволяют тем, у кого нет навыков языка запросов, выполнять собственный анализ, в то время как руководство, предлагаемое ИИ, помогает неумытым совершать ошибки новичков. ИИ меняет аналитику навсегда с поразительной скоростью, значительно расширяя возможности и оснащая более широкий круг бизнес-аналитиков более мощными инструментами самообслуживания.
Разработчики программного обеспечения
Строго говоря, разработчики ПО не являются специалистами по работе с данными, но очевидно, что они имеют дело с огромными объемами данных в виде миллионов строк кода. В то же время многие разработчики интегрируют возможности МО в приложения, обрабатывающие все виды корпоративных данных. В обоих случаях помощники по кодированию на основе ИИ оказывают двузначное влияние на производительность разработчиков.
Помощники по кодированию выходят далеко за рамки простого завершения повторяющихся строк кода. Используя запросы на естественном языке обширных репозиториев открытого исходного кода, а также собственную кодовую базу своей компании, разработчикам больше не нужно героически отслеживать неясные детали синтаксиса. Помощники по кодированию могут подавать их в правильном виде — и в соответствии с правилами кодирования, установленными организацией разработчика. В некоторых случаях помощники по кодированию также рекомендуют правильные алгоритмы машинного обучения для конкретных прикладных задач.
Завоевание ИИ предприятий
Можно с уверенностью сказать, что ни одна новая технология не оказала такого широкого влияния так быстро, как ИИ. Хотя обработчики данных и разработчики видят наибольшее влияние, специалисты по маркетингу, разработке продуктов, сервисным операциям, анализу рисков и многим другим находятся на гребне волны внедрения ИИ. Улучшения в качестве данных и анализе уже ощущаются на предприятии. Возможно, самым удивительным фактом является то, что мы только начинаем.
Йозеф де Врис — директор по разработке продуктов EnterpriseDB.