調査によると、人工知能の拡張を成功させるには最新のデータへの投資が不可欠ですが、企業の半数がコストの壁に直面しています。今すぐデータ管理に投資できる企業は、長期的には AI リーダーになるでしょう
回答者の 69% が少なくとも 1 つの進行中の AI プロジェクトに関与しており、そのうち 28% のプロジェクトはエンタープライズ規模に達しています。企業や研究機関は新たな価値提案の創出を目指して AI の導入を加速させていますが、この調査では、データ インフラストラクチャと AI の持続可能性の課題が、AI の大規模導入の成功に対する障壁となっていることが示されています。このレポートは、企業内での生成 AI の開発が 2023 年までに急速に増加し、これらの課題をさらに悪化させることを強調しています。
人工知能は増加し続けていますが、企業のスケーリングは依然として課題です。 WEKA とスタンダード&プアーズは共同で、世界の人工知能に関する意思決定者 1,500 人を対象に調査を実施し、その結果を発表しました。この調査では、企業が AI の取り組みで遭遇する機会と障壁、および世界中の業界における AI 導入の独自の推進要因が特定されています。この調査では、将来的に AI をうまく活用するために企業がどのようなステップを踏む必要があるかについての洞察も得られます。
回答者の 32% は、AI/ML 導入に対する技術的障壁としてデータ管理を挙げています。さらに、回答者の 26% が現在の主要な課題としてセキュリティの問題、20% がコンピューティング パフォーマンスの問題を挙げており、多くの企業の既存のデータ アーキテクチャが AI 革命をサポートできないことを示しています。
調査によると、回答者の 77% は、レガシー アーキテクチャとデータ インフラストラクチャが持続可能性のパフォーマンスに影響を与えると考えていますが、74% はワークロードをパブリック クラウドに移行することが持続可能性または主要な推進要因を達成するために重要であると述べています
回答者の 68% は懸念していると回答しましたビジネスのエネルギー使用と二酸化炭素排出量に対する AI/ML の影響について
AI への取り組みが成長するにつれ、ワークロードのニーズをサポートするには、ハイブリッド アプローチと複数の導入場所が必要になります。従来のデータ インフラストラクチャは、最新のパフォーマンス重視のワークロードやハイブリッド クラウドおよびエッジ モデルを念頭に置いて開発されていないため、AI を効率的かつ持続的に大規模に使用する能力に直接的な悪影響を及ぼします
#私たちと同じように1990 年代に開発されたバッテリー技術をテスラのような最先端の電気自動車に電力を供給するために使用することは期待できますが、前世紀のデータ課題に合わせて設計されたデータ管理手法が生成 AI などの次世代アプリケーションをサポートすることは期待できません エッジからコア、そしてクラウドまでシームレスに広がる AI ワークロードのニーズをサポートするように設計された最新のデータ スタックを構築する企業は、将来のリーダーであり、破壊者となるでしょう。以上がデータ管理: AI 革命の壮大な課題?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。