دفاع از اطلاعات سازمانی با AI مستقل

هوش مصنوعی سازمانی دیگر یک جاه طلبی آینده نیست. در پرواز کامل عملیاتی است. قابلیت های مدل سریعتر از اکثر سازمان ها می توانند جذب شوند، در حالی که هزینه عملکرد همچنان کاهش می یابد. در سطح جهانی، سرمایه گذاری AI برای رسیدن به 2.5 تریلیون دلار در سال 2026، 44 درصد از سال گذشته است.

برای بسیاری از شرکت ها، این سرمایه گذاری باعث ایجاد شکاف شده است. اطلاعات می تواند در سیلو ها انباشته شود تا عوامل فروش از بلیط های پشتیبانی باز، به عنوان مثال، و یا سیستم های بازاریابی محتوای شخصی سازی بدون مشاهده به آنچه که در حال حاضر در مورد یک مشتری می داند، آگاه نباشند. هر تابع ممکن است به تنهایی عملکرد خوبی داشته باشد، اما شرکت به عنوان یک کل کمی یاد می گیرد و اطلاعات کمتری برای عمل دارد.

دانلود بازی The RePORT

تغییر از AI به عنوان یک ابزار به AI به عنوان یک مدل عملیاتی – آنچه ما "تغییرات ژنتیکی" در این گزارش می نامیم – چیزی اساسی تر از مدل های بهتر یا زیرساخت های سریع تر را تقاضا می کند. این نیاز به اتصال مردم، فرآیندها و داده ها در زمان واقعی، همراه با حکومت و کنترل برای عمل بر آن اطلاعات قابل اعتماد است.

این به معنای تجدید نظر در هر دو مدل معماری و عملیاتی به طور همزمان است. اول، بازسازی زیرساخت های داده برای دسترسی به جای حجم. دوم، جایگزین کردن پشته های تکنولوژی ثابت با معماری های ترکیبی که می توانند به عنوان مدل ها و ابزار تغییر کنند. و در نهایت، حل مسائل مربوط به حاکمیت AI، از جمله جایی که هوش اجرا می شود، چه کسی آن را کنترل می کند و چگونه در مرزهای سازمانی و قضایی فعالیت می کند.

یافته های کلیدی شامل موارد زیر است:

مشکل مقیاس پذیری شرکت AI ساختاری است. شرکت های اول در حال پیشرفت هستند. هزینه های جهانی AI به شدت در حال افزایش است و قابلیت های مدل سریعتر از اکثر سازمان ها می توانند آنها را ادغام کنند. با این حال، اکثر شرکت ها هنوز درآمد خود را از طریق AI افزایش نمی دهند و یا اساسا در مورد چگونگی عملکرد آنها تجدید نظر می کنند. شرکت هایی که بازده پایدار تولید می کنند، یک نظم و انضباط مشترک دارند. آنها طراحی مجدد فرآیند را به عنوان کاری که پیش از انتخاب مدل، ساخت برای چگونگی تکامل فن آوری به جای نقش های مقاوم و گردش کار پس از استقرار، درمان می کنند. برای آنها، تغییر عامل با مدل عملیاتی آغاز می شود.

آمادگی داده ها، نه فراوانی داده ها، چیزی است که AI را می سازد. بسیاری از شرکت ها خیلی دیر متوجه می شوند که داشتن داده ها و داشتن داده های آماده هوش مصنوعی بسیار متفاوت است. یک بنیاد مستقل و قابل تنظیم – که داده هایی را که در آن اقامت دارد، بدون مهاجرت یا مرکزی سازی – می تواند املاک و مستغلات داده های خام را به هوش تبدیل کند که عوامل هوش مصنوعی می توانند بر آن کار کنند. به عنوان قوانین اقامت داده، محیط های چند ابری و پیچیدگی ساختاری، تمرکز را به طور فزاینده ای غیر عملی می کند، کنترل مستقل بر جایی که مدل ها اجرا می شوند و زندگی داده ها آن چیزی است که سازگاری را حفظ می کند.

گزارش را دانلود کنید.

این محتوا توسط Insights، بازوی محتوای سفارشی MIT Technology Review تولید شد، نه کارکنان سرمقاله آن. تحقیق و نوشته شدن توسط انسان با هر ابزار AI که ممکن است محدود به فرآیندهای تولید تحت نظارت انسان باشد.