數據的質量對於希望通過人工智能(AI)推動增長的企業而言，是一個根本性的挑戰。Snowflake 著名專家馬丁·弗雷德里克(Martin Frederik)強調，任何 AI 項目的成功都依賴於穩固且良好治理的數據基礎架構。儘管在實驗階段有著良好的成果，許多人卻未能將這些努力轉化為真正的收入槓桿。朝著一個組織充分利用數據潛力的未來，項目和企業目標之間的戰略對齊仍然是必不可少的。
馬丁·弗雷德里克關於數據質量的重要性
企業正急速投入AI整合到其流程中。這一技術轉型帶來了一大挑戰：數據的質量。馬丁·弗雷德里克在Snowflake負責荷蘭、比利時和盧森堡的區域業務，他表示，AI項目的成功與這一質量密切相關。許多雄心勃勃的項目往往停滯在概念驗證階段，未能實現能夠產生收入的解決方案。
AI作為工具，而不是目標
弗雷德里克強調了一個基本點：「沒有數據戰略，就沒有AI戰略。」沒有集中且有治理的數據基礎架構，AI應用程序、代理和模型便變得無效。即使是最先進的模型，沒有良好結構和高質量的數據，也可能失敗。
許多時候，有前景的項目未能產生盈利工具。管理者常常犯錯，將技術視為一個目的本身。根據弗雷德里克的觀點，AI必須被視為實現商業戰略目標的工具。
AI項目成功的障礙
有多種因素可能阻礙AI項目的順利進行。缺乏與企業需求的對齊、團隊之間的溝通不足以及數據的紊亂是最常見的原因之一。大約80 %的AI項目無法進入生產階段。然而，弗雷德里克提出了另一種觀點。這些挫折往往是必要的成熟階段。
可靠的數據，投資回報
那些建立了穩健數據基礎的組織，發現他們在AI投資上獲得了顯著的回報。Snowflake最近的一項研究顯示，92 %的企業已經看到了其AI投資的正回報。每花費一英鎊，他們平均可獲得1.41英鎊的成本節約和額外收入。關鍵在於從一開始就建立一個安全的數據平台。
企業文化與數據可及性
僅靠技術無法保證AI戰略的成功。企業文化必須準備好整合這些新倡議。其中一個最大的挑戰是讓數據對所有人可及，而不僅僅是幾名專家。必須在人的、流程和技術方面建立堅實的基礎。
弗雷德里克解釋道，通過適當的治理，AI可以成為一種集體資源，而不是一個封閉的工具。當所有團隊都基於單一的真相來源工作時，數據衝突減少，這樣更快且更明智的決策變得容易。
自主AI代理的興起
目前，我們正目睹著一個顯著的演變：能夠理解和分析各種數據類型的自主AI代理的出現，無論其結構如何。非結構化信息佔典型企業數據的80%到90%。創新的工具允許無論技術水平如何的員工使用簡單的英語提出複雜問題，以獲得直接來自數據的答案。
弗雷德里克提到了一個他稱之為「以目標為導向的自主性。」到目前為止，AI主要作為需要不斷指導的助手。現在，新代理可以接受複雜的目標，並自行確定所需的步驟。這包括從編寫代碼到從其他應用程序中提取信息的任務，使答覆變得完整。
這種自動化減輕了數據科學家最繁瑣的任務，例如進行重複數據清理和調整模型。因此，企業中最聰明的人才可以專注於更高價值的活動，從而將他們的角色從實踐者轉變為策略家。
Snowflake與AI的發展
Snowflake作為AI & 大數據博覽會歐洲會議的主要贊助商。Snowflake將與多位發言人分享如何簡化企業內AI的深入見解。參與者被邀請訪問50號展位，了解如何使企業AI變得簡單、高效和可靠。
對於想要深入了解AI和大數據主題的人來說，AI & 大數據博覽會等活動，在阿姆斯特丹、加州和倫敦舉行，為了解行業最新趨勢提供了寶貴的機會。
馬丁·弗雷德里克（Martin Frederik）來自Snowflake的關於數據質量和AI的問答
為什麼數據質量對成功的AI項目至關重要？
數據質量至關重要，因為AI應用程序和模型只有基於可靠、結構良好和有治理的數據才能有效。數據質量不佳可能導致錯誤的結果，並阻礙商業目標的實現。
企業如何改善其數據質量？
企業必須建立統一且良好治理的數據基礎架構，以實現嚴謹的數據收集和處理。這包括數據標準化、建立驗證流程和對團隊進行數據質量重要性的培訓。
企業文化在實施有效AI戰略中扮演什麼角色？
企業文化至關重要，因為它影響團隊的協作意願和數據共享。企業必須鼓勵協作流程，並使AI工具對所有員工可及，以最大化其使用和效率。
在AI的背景下，什麼是有目標的自主性？
有目標的自主性是一個概念，其中AI代理可以獨立理解和推理數據。這使得這些代理能夠獨立完成複雜的任務，從編寫代碼到提取相關信息，從而提高AI項目的整體效率。
企業在採用AI過程中面臨哪些常見挑戰？
企業常常面臨的障礙包括團隊協作不足、與錯誤商業目標對齊的項目，以及數據混亂。這些挑戰可能導致AI倡議的失敗。
企業可以期待從其AI投資中獲得哪些具體的好處？
根據Snowflake的一項研究，企業可以期待在AI方面獲得可觀的回報，92% 的企業已觀察到成本節約和新收入，這使得每投入1英鎊可獲得1.41英鎊的回報。
