Senza tale contesto, l’intelligenza artificiale può generare risposte rapidamente ma comunque prendere decisioni sbagliate, afferma Irfan Khan, presidente e chief product officer di SAP Data & Analytics.
“L’intelligenza artificiale è incredibilmente efficace nel fornire risultati”, afferma. “Si muove velocemente, ma senza contesto non può prendere buone decisioni, e le buone decisioni sono ciò che crea il ritorno sull’investimento per un’azienda. La velocità senza decisioni non aiuta. Può effettivamente danneggiarci.”
Nell’era emergente dei sistemi autonomi e delle applicazioni intelligenti, questo livello di contesto sta diventando essenziale. Per fornire il contesto, le aziende hanno bisogno di un data fabric ben progettato che faccia molto di più che integrare i dati, afferma Khan. Il giusto data fabric consente alle organizzazioni di scalare in modo sicuro l’intelligenza artificiale, coordinare le decisioni tra sistemi e agenti e garantire che l’automazione rifletta le vere priorità aziendali anziché prendere decisioni in modo isolato.
Riconoscendo questo, molte organizzazioni stanno ripensando la propria architettura dei dati. Invece di spostare semplicemente i dati in un unico repository, stanno cercando modi per connettere le informazioni tra applicazioni, cloud e sistemi operativi preservando le parole che spiegano come funziona il business. Questo cambiamento sta alimentando un crescente interesse per il data fabric come fondamento dell’infrastruttura AI.
Perdere il contesto è un grave problema di intelligenza artificiale
Le strategie tradizionali dei dati si sono concentrate sull’aggregazione su larga scala. Negli ultimi due decenni, le organizzazioni hanno investito molto nell’estrazione di informazioni dai sistemi operativi e nel caricamento in magazzini, laghi e dashboard centralizzati. Questo approccio semplifica l’esecuzione di report, il monitoraggio delle prestazioni e la generazione di insight in tutta l’azienda, ma nel processo gran parte del significato associato a tali dati – il modo in cui si collegano a policy, procedure e decisioni del mondo reale – viene perso.
Prendiamo due aziende che utilizzano l’intelligenza artificiale per gestire le interruzioni della catena di fornitura. Se uno utilizza segnali grezzi come livelli di inventario, tempi di consegna e punteggi di fornitura, mentre l’altro aggiunge contesto a processi aziendali, politiche e metadati, entrambi i sistemi analizzeranno i dati più velocemente ma probabilmente trarranno conclusioni diverse.
Khan afferma che informazioni quali quali clienti sono clienti strategici, quali compromessi sono accettabili durante le carenze e lo stato delle catene di approvvigionamento estese consentiranno a un sistema di intelligenza artificiale di prendere decisioni strategiche mentre un altro non avrebbe il contesto appropriato.
“Entrambi i sistemi si muovono molto rapidamente, ma solo uno si muove nella giusta direzione”, afferma. “Questo premio contestuale è il vantaggio che ottieni quando la tua base dati preserva il contesto nei processi, nelle policy e nei dati fin dalla progettazione.”
