Пять ключевых тенденций в области ИИ и науки о данных на 2024 год
Организации сокращают количество "главных" по технологиям и данным, интегрируя их функции в широкий спектр технологий и цифровых преобразований. Распространены роли менеджеров по продукту данных и рост гражданской науки о данных. Опросы показывают путаницу в организациях по запросам данных и технологиям.
Эти проблемы должны быть на экране радара каждого лидера, говорят люди, ответственные за обработку данных.
Искусственный интеллект и наука о данных стали главными новостями на первых полосах в 2023 году. Рост генеративного искусственного интеллекта, конечно же, стал причиной этого резкого роста видимости. Так что может произойти в этой области в 2024 году, чтобы оставаться на первых полосах? И как эти тенденции действительно повлияют на бизнес?
За последние несколько месяцев мы провели три опроса среди исполнителей по данным и технологиям. Два из них были связаны с участниками Симпозиума главных данных и качества информации Массачусетского технологического института (MIT) - один был спонсирован Amazon Web Services (AWS), а другой - Thoughtworks. Третий опрос был проведен компанией Wavestone, ранее известной как NewVantage Partners, чьи ежегодные опросы мы уже упоминали ранее. В общей сложности в новых опросах участвовали более 500 старших руководителей, возможно, с некоторым перекрытием в участии.
Опросы не предсказывают будущее, но они подсказывают, что думают и делают те люди, которые находятся ближе всего к стратегиям и проектам по науке о данных и искусственному интеллекту компаний. Согласно данным исполнителей по данным, вот топ-5 развивающихся проблем, которые заслуживают вашего внимания:
Искусственный интеллект и наука о данных стали главными новостями на первых полосах в 2023 году. Рост генеративного искусственного интеллекта, конечно же, стал причиной этого резкого роста видимости. Так что может произойти в этой области в 2024 году, чтобы оставаться на первых полосах? И как эти тенденции действительно повлияют на бизнес?
За последние несколько месяцев мы провели три опроса среди исполнителей по данным и технологиям. Два из них были связаны с участниками Симпозиума главных данных и качества информации Массачусетского технологического института (MIT) - один был спонсирован Amazon Web Services (AWS), а другой - Thoughtworks. Третий опрос был проведен компанией Wavestone, ранее известной как NewVantage Partners, чьи ежегодные опросы мы уже упоминали ранее. В общей сложности в новых опросах участвовали более 500 старших руководителей, возможно, с некоторым перекрытием в участии.
Опросы не предсказывают будущее, но они подсказывают, что думают и делают те люди, которые находятся ближе всего к стратегиям и проектам по науке о данных и искусственному интеллекту компаний. Согласно данным исполнителей по данным, вот топ-5 развивающихся проблем, которые заслуживают вашего внимания:
1. Искусственный интеллект должен приносить пользу
Как мы отметили, генеративный искусственный интеллект привлек огромное внимание бизнеса и потребителей. Но действительно ли он приносит экономическую выгоду организациям, которые его применяют? Результаты опроса показывают, что хотя интерес к технологии очень высок, польза в основном еще не достигнута. Большинство опрошенных считают, что генеративный искусственный интеллект имеет потенциал быть трансформационным; 80% участников опроса AWS сказали, что верят в то, что он изменит их организации, а 64% в опросе Wavestone сказали, что это самая трансформационная технология за последние десятилетия. Большинство участников опроса также увеличивают инвестиции в эту технологию. Однако большинство компаний все еще просто экспериментируют, либо на индивидуальном, либо на отделочном уровне. Только 6% компаний в опросе AWS имели какое-либо производственное применение генеративного искусственного интеллекта, и только 5% в опросе Wavestone имели какое-либо производственное развертывание в масштабе.
Опросы показывают, что, хотя ажиотаж вокруг генеративного ИИ очень высок, его ценность в основном еще не достигнута.
Промышленные развертывания генеративного искусственного интеллекта, конечно же, потребуют больших инвестиций и организационных изменений, а не просто экспериментов. Бизнес-процессы будут нуждаться в пересмотре, а сотрудники должны будут переобучаться (или, вероятно, в некоторых случаях быть заменены системами генеративного искусственного интеллекта). Новые возможности искусственного интеллекта должны будут быть интегрированы в существующую технологическую инфраструктуру.
Возможно, самые важные изменения коснутся данных - обработки неструктурированного контента, повышения качества данных и интеграции различных источников. В опросе AWS 93% респондентов согласились, что стратегия данных имеет ключевое значение для получения ценности от генеративного искусственного интеллекта, но 57% пока не внесли изменений в свои данные.
Возможно, самые важные изменения коснутся данных - обработки неструктурированного контента, повышения качества данных и интеграции различных источников. В опросе AWS 93% респондентов согласились, что стратегия данных имеет ключевое значение для получения ценности от генеративного искусственного интеллекта, но 57% пока не внесли изменений в свои данные.
2. Наука о данных превращается из кустарной в промышленную
Компании ощущают необходимость ускорить создание моделей науки о данных. То, что раньше было искусством, теперь становится более индустриализованным. Компании инвестируют в платформы, процессы и методологии, хранилища функций, системы управления операциями машинного обучения (MLOps) и другие инструменты, чтобы увеличить производительность и скорость развертывания. Системы MLOps отслеживают состояние моделей машинного обучения и определяют, правильно ли они предсказывают. Если нет, то модели может потребоваться повторно обучить с новыми данными.
Производство моделей данных - некогда кустарное занятие - становится все более индустриальным.
Большинство таких возможностей поставляются внешними поставщиками, но некоторые организации теперь создают свои собственные платформы. Хотя автоматизация (включая инструменты автоматизированного машинного обучения, о которых мы обсудим ниже) помогает увеличить производительность и расширить участие в науке о данных, наибольшую выгоду для производительности в науке о данных, вероятно, приносит повторное использование существующих наборов данных, признаков или переменных, а также целых моделей.
3. Будут преобладать две версии продуктов данных
В опросе компании Thoughtworks 80% лидеров в области данных и технологий заявили, что их организации используют или рассматривают использование продуктов данных и управления продуктами данных. Под продуктом данных мы подразумеваем упаковку данных, аналитики и искусственного интеллекта в программный продукт для внутренних или внешних клиентов. Это управляется от начала до развертывания (и постоянного улучшения) менеджерами продуктов данных. Примеры продуктов данных включают системы рекомендаций, которые направляют клиентов, какие продукты покупать дальше, и системы оптимизации ценообразования для команд продаж.
Однако организации смотрят на продукты данных по-разному. Чуть менее половины (48%) респондентов сказали, что они включают аналитику и возможности искусственного интеллекта в концепцию продуктов данных. Примерно 30% считают, что аналитика и искусственный интеллект отдельно от продуктов данных и, вероятно, сохраняют этот термин только для повторно используемых данных. Только 16% говорят, что они вообще не думают об аналитике и искусственном интеллекте в контексте продукта.
Мы немного предпочитаем определение продуктов данных, которое включает аналитику и искусственный интеллект, поскольку именно так данные становятся полезными. Но самое важное - чтобы организация была последовательной в том, как она определяет и обсуждает продукты данных. Если организация предпочитает комбинацию "продуктов данных" и "аналитических и продуктов искусственного интеллекта", это тоже может хорошо сработать, и такое определение сохраняет многие положительные аспекты управления продуктами. Но без ясности в определении организации могут стать сбитыми с толку относительно того, что должны предоставить разработчики продуктов.
Однако организации смотрят на продукты данных по-разному. Чуть менее половины (48%) респондентов сказали, что они включают аналитику и возможности искусственного интеллекта в концепцию продуктов данных. Примерно 30% считают, что аналитика и искусственный интеллект отдельно от продуктов данных и, вероятно, сохраняют этот термин только для повторно используемых данных. Только 16% говорят, что они вообще не думают об аналитике и искусственном интеллекте в контексте продукта.
Мы немного предпочитаем определение продуктов данных, которое включает аналитику и искусственный интеллект, поскольку именно так данные становятся полезными. Но самое важное - чтобы организация была последовательной в том, как она определяет и обсуждает продукты данных. Если организация предпочитает комбинацию "продуктов данных" и "аналитических и продуктов искусственного интеллекта", это тоже может хорошо сработать, и такое определение сохраняет многие положительные аспекты управления продуктами. Но без ясности в определении организации могут стать сбитыми с толку относительно того, что должны предоставить разработчики продуктов.
4. Ученые, изучающие данные, станут менее привлекательными
Ученые по данным, которых называют "единорогами" и обладателями "самой сексуальной профессии 21 века" из-за их способности делать все аспекты проектов по науке о данных успешными, видят, как их популярность снижается. Несколько изменений в области науки о данных приводят к появлению альтернативных подходов к управлению важными частями работы. Одно из таких изменений - распространение связанных ролей, которые могут решать части проблемы науки о данных. Этот расширяющийся набор специалистов включает в себя инженеров по данным для обработки данных, инженеров по машинному обучению для масштабирования и интеграции моделей, переводчиков и связующих звеньев для работы с бизнес-заинтересованными сторонами и менеджеров по продукту данных для наблюдения за всей инициативой.
Другой фактор, снижающий спрос на профессиональных ученых по данным, - это рост гражданской науки о данных, когда деловые люди со знанием количественного анализа создают модели или алгоритмы сами. Эти люди могут использовать AutoML, или автоматизированные инструменты машинного обучения, чтобы сделать большую часть тяжелой работы. Еще более полезной для граждан является возможность моделирования, доступная в ChatGPT, называемая Advanced Data Analysis. С очень коротким запросом и загруженным набором данных он может обрабатывать практически все этапы процесса создания модели и объяснять свои действия.
Конечно, все еще есть много аспектов науки о данных, которые требуют профессиональных ученых по данным. Разработка совершенно новых алгоритмов или интерпретация работы сложных моделей, например, - это задачи, которые не исчезли. Роль все еще будет необходима, но, возможно, не так сильно, как раньше - и без той же степени власти и блеска.
Другой фактор, снижающий спрос на профессиональных ученых по данным, - это рост гражданской науки о данных, когда деловые люди со знанием количественного анализа создают модели или алгоритмы сами. Эти люди могут использовать AutoML, или автоматизированные инструменты машинного обучения, чтобы сделать большую часть тяжелой работы. Еще более полезной для граждан является возможность моделирования, доступная в ChatGPT, называемая Advanced Data Analysis. С очень коротким запросом и загруженным набором данных он может обрабатывать практически все этапы процесса создания модели и объяснять свои действия.
Конечно, все еще есть много аспектов науки о данных, которые требуют профессиональных ученых по данным. Разработка совершенно новых алгоритмов или интерпретация работы сложных моделей, например, - это задачи, которые не исчезли. Роль все еще будет необходима, но, возможно, не так сильно, как раньше - и без той же степени власти и блеска.
5. Лидеры в области данных, аналитики и ИИ становятся все менее независимыми
В последний год мы начали замечать, что все больше организаций сокращают число "начальников" по технологиям и данным, включая руководителей по данным и аналитике (а иногда и руководителей по искусственному интеллекту). Эта роль CDO/CDAO, хотя становится более распространенной в компаниях, долгое время характеризуется короткими сроками службы и путаницей в обязанностях. Мы не видим, чтобы функции, выполняемые руководителями по работе с данными и аналитикой, исчезли; скорее, они все чаще включаются в более широкий набор функций, связанных с технологиями, данными и цифровой трансформацией, которыми руководит "лидер по супертехнологиям", обычно подчиняющийся генеральному директору. Эта роль может называться "главный информационный директор", "главный специалист по информации и технологиям", "главный специалист по цифровым технологиям"/
Эта эволюция ролей руководителей высшего звена была основной темой опроса Thoughtworks. 87 % респондентов (в основном руководители, отвечающие за работу с данными, но также и некоторые технологические руководители) согласились с тем, что люди в их организациях либо полностью, либо в значительной степени, либо в некоторой степени запутались в том, куда обращаться за услугами и вопросами, связанными с данными и технологиями. Многие руководители высшего звена заявили, что сотрудничество с другими лидерами, ориентированными на технологии, в их собственных организациях находится на относительно низком уровне, а 79 % респондентов согласились с тем, что в прошлом их организации мешало отсутствие сотрудничества.
Мы считаем, что в 2024 году мы увидим больше таких всепоглощающих технологических лидеров, у которых есть все способности создавать ценность от данных и технологических профессионалов, сообщающих им. Им все еще придется акцентировать внимание на аналитике и искусственном интеллекте, потому что именно так организации воспринимают данные и создают с их помощью ценность для сотрудников и клиентов. Но самое важное, эти лидеры должны быть сильно ориентированы на бизнес, способны обсуждать стратегию со своими коллегами из руководства и превращать ее в системы и идеи, которые превращают эту стратегию в реальность.
Эта эволюция ролей руководителей высшего звена была основной темой опроса Thoughtworks. 87 % респондентов (в основном руководители, отвечающие за работу с данными, но также и некоторые технологические руководители) согласились с тем, что люди в их организациях либо полностью, либо в значительной степени, либо в некоторой степени запутались в том, куда обращаться за услугами и вопросами, связанными с данными и технологиями. Многие руководители высшего звена заявили, что сотрудничество с другими лидерами, ориентированными на технологии, в их собственных организациях находится на относительно низком уровне, а 79 % респондентов согласились с тем, что в прошлом их организации мешало отсутствие сотрудничества.
Мы считаем, что в 2024 году мы увидим больше таких всепоглощающих технологических лидеров, у которых есть все способности создавать ценность от данных и технологических профессионалов, сообщающих им. Им все еще придется акцентировать внимание на аналитике и искусственном интеллекте, потому что именно так организации воспринимают данные и создают с их помощью ценность для сотрудников и клиентов. Но самое важное, эти лидеры должны быть сильно ориентированы на бизнес, способны обсуждать стратегию со своими коллегами из руководства и превращать ее в системы и идеи, которые превращают эту стратегию в реальность.
Получите оценку проекта
Нажимая на кнопку, вы даете согласие на обработку персональных данных и соглашаетесь c политикой конфиденциальности
Оцените свой проект! Заполните форму ниже
Похожие статьи