最新市场研究发现，如果没有智能数据基础设施，高达20%的人工智能计划会遭遇失败

关于最新市场研究发现，如果没有智能数据基础设施，高达20%的人工智能计划会遭遇失败,这个很多人还不知道，今天澜澜给大家说一说，现在让我们一起来看看吧~.~！

智能数据基础设施公司NetApp® (NASDAQ: NTAP)今天发布了其最新报告中关于企业人工智能不断发展的见解。由NetApp赞助的IDC白皮书“负责任地扩展人工智能计划：智能数据基础架构的关键作用*”揭示了不同程度的人工智能成熟度所面临的各种挑战和业务优势，并深入分析了领先组织在以负责任的方式扩展人工智能和生成式人工智能(GenAI)工作负载方面所采取的成功策略。通过重点介绍可实践的方法，报告旨在帮助企业避免常见的陷阱，确保其人工智能计划不会成为可能失败的20%之一。报告还介绍了一个详细的人工智能成熟度模型，该模型根据组织的人工智能方法来评估组织的进展，从人工智能新手和人工智能先锋，到人工智能领导者和人工智能大师。

智能数据基础设施是人工智能成功的基础

IDC白皮书发现：

人工智能大师通过以下方式优化其数据基础设施，以实现转型人工智能计划：以最少的准备工作轻松访问企业数据集，并设计一个支持各种数据类型和访问方法的统一、混合、多云环境。

人工智能大师的人工智能目标更为远大，但也遇到了与数据相关的故障，包括基于基础设施的数据访问限制(21%)、合规性限制(16%)和数据不足(17%)。

人工智能新手也面临着类似的挑战，但它们也遇到了预算限制（新手占20%，人工智能大师占9%）、模型训练数据不足（新手占26%，人工智能大师占17%）以及数据访问方面的业务限制（新手占28%，人工智能大师占20%）。

研究结果表明，企业需要一个智能数据基础设施，以便负责任地扩展人工智能计划。企业的人工智能成熟度取决于其所拥有的基础设施水平，这些基础设施不仅能推动人工智能项目的长期成功，还能推动相关业务成果的实现。那些刚刚开始或最近才开始人工智能之旅的企业通常拥有不同的数据架构或更统一的架构方面的计划，而人工智能领导者和人工智能大师很可能已经在执行统一的愿景。因此，拥有最多人工智能经验的组织失败的可能性较小。

NetApp高级副总裁兼首席技术官Jonsi Stefansson表示：“这份IDC白皮书进一步证实，企业需要智能数据基础设施来负责任地扩展人工智能，并提高人工智能计划的成功率。有了智能数据基础设施，企业就能灵活地在任何地方访问任何数据，并通过集成的数据管理来确保数据安全、保护和治理，以及可优化性能、成本和可持续性的适应性运营。”

数据基础设施的灵活性对数据访问和人工智能计划的成功至关重要

IDC白皮书发现：

48%的人工智能大师报告说，他们的结构化数据和43%的非结构化数据可即时访问，而人工智能新手的这一比例分别仅为26%和20%。

人工智能大师(65%)和人工智能新手(35%)表示，他们目前的数据架构可以将组织的私有数据与人工智能云服务无缝集成。

调查显示，人工智能大师深知，他们用于转型人工智能计划的数据架构和基础设施必须能够轻松访问企业数据集，而无需进行任何准备或预处理，或者只需进行少量准备或预处理。

IDC全球人工智能和自动化研究实践集团副总裁、全球人工智能研究负责人Ritu Jyoti表示：“在人工智能计划的设计和规划过程中做出的基础设施决策必须考虑到架构的灵活性。人工智能和GenAI工作流的数据输入具有动态性质，这意味着轻松访问分布式和多样化数据（包括具有不同特征的结构化和非结构化数据集）至关重要。这就需要一种灵活、统一的存储方法、通用控制平面以及管理工具，使数据科学家和开发人员能够通过MLOps集成无缝地消费数据。”

有效的数据治理和安全流程推动人工智能取得成功

IDC白皮书发现：

人工智能新手无法取得进展的原因往往是缺乏标准化的管理政策和程序；只有8%的人工智能新手在所有人工智能项目中完成并标准化了这些政策和程序，而在人工智能大师中，这一比例为38%。

51%的人工智能大师表示，他们已经制定了标准化政策，并由组织内的一个独立小组严格执行，而只有3%的人工智能新手达到这样的水平。

研究发现，有效的数据管理和数据安全是衡量组织在人工智能领域成熟度的重要指标。负责任地、安全地管理数据仍然是企业面临的一个关键问题，因为人工智能利益相关者往往试图通过缩短安全流程来加速开发。从那些更成功地从其人工智能计划中取得积极成果的组织的反馈来看，管理和安全不仅仅是成本中心，而是创新的重要推动因素。通过优先考虑安全性、数据主权和监管合规性，组织可以降低人工智能和GenAI计划的风险，并确保其数据工程师和科学家能够专注于最大限度地提高效率和生产力。

高效利用资源对负责任地扩展人工智能非常重要

IDC白皮书发现：

43%的人工智能大师在开发人工智能模型时已明确定义了评估资源效率的指标，这些指标已在所有人工智能项目中完成并标准化，而人工智能新手的这一比例仅为9%。

在所有受访者中，63%的企业表示需要进行重大改进或全面检修，以确保其存储系统针对人工智能进行优化，只有14%的企业表示无需改进。

随着人工智能工作流程日益成为几乎每个行业不可或缺的一部分，承认其对计算和存储基础设施、数据和能源资源及其相关成本的影响至关重要。人工智能成熟度的一个关键衡量标准是定义和实施指标，以评估创建人工智能模型过程中的资源使用效率。

方法

2023年12月和2024年1月，IDC通过网络调查的方式，对参与人工智能计划相关的IT运营、数据科学、数据工程和软件开发的全球决策者进行了24次深度访谈和1220次定量访谈。这些访谈深入揭示了当今人工智能计划的现状，包括一系列挑战、众多业务优势以及领先组织为取得成功而采取的最佳实践。

在进行这项分析时，IDC开发了一个人工智能成熟度模型，根据组织目前在数据和存储基础设施、数据政策和治理、资源效率重点以及利益相关者支持和协作方面的人工智能方法，将其分为四个成熟度级别。这些成熟度级别分别为人工智能新手、人工智能先锋、人工智能领导者和人工智能大师。

*资料来源：IDC白皮书，由NetApp赞助，“负责任地扩展人工智能计划：智能数据基础设施的关键作用”(Scaling AI Initiatives Responsibly: The Critical Role of an Intelligent Data Infrastructure)，文档编号：US52048524，2024年4月

以上就是关于【最新市场研究发现，如果没有智能数据基础设施，高达20%的人工智能计划会遭遇失败】的相关内容，希望对大家有帮助！

标签：