ztevenreal
Únase al evento confiable por los líderes empresariales durante casi dos décadas. VB Transform reúne a las personas que construyen una organización de IA empresarial vivo. Obtenga más información
Al construir AI Enterprise, algunas compañías están encontrando que la parte más difícil a veces es arriesgarse qué construir y cómo atracar los diversos procesos involucrados.
En VentureBeat Transform 2025La calidad de los datos y la gobernanza estaban al frente y al centro a medida que las empresas miran más allá de la escalón práctico de la IA y exploran formas de producir y ascender agentes y otras aplicaciones.
Las organizaciones están lidiando con el dolor de pensar en cómo la tecnología se cruza con las personas, los procesos y el diseño, dijo Braden Holstege, director administrador y socio de Clase de consultoría de Boston. Agregó que las empresas deben pensar en una variedad de complejidades relacionadas con la exposición a los datos, los presupuestos de IA por persona, los permisos de paso y cómo administrar los riesgos externos e internos.
A veces, las nuevas soluciones implican formas de usar datos previamente inutilizables. Hablando en el tablado el martes por la tarde, Holstege dio un ejemplo de un cliente que usó modelos de idiomas grandes (LLM) para analizar millones de ideas sobre las personas con rotación de personas, quejas de productos y comentarios positivos, y descubriendo ideas que no eran posibles hace unos primaveras con el procesamiento del habla natural (NLP).
“La materia más amplia aquí es que los datos no son monolíticos”, dijo Holstege. “Tiene de todo, desde registros de transacciones hasta documentos y comentarios de los clientes y rastrear datos que se producen en el curso del expansión de aplicaciones y un millón de otros tipos de datos”.
Algunas de estas nuevas posibilidades son gracias a las mejoras en los datos listos para AI, dijo Susan Etlinger, directora senior de organización de Microsoft y liderazgo de pensamiento de Azure AI.
“Una vez que estás en él, comienzas a tener esa sensación del arte de lo posible”, dijo Etlinger. “Es un acto de permanencia entre eso y entrar con un sentido claro de lo que está tratando de resolver. Digamos que está tratando de resolver la experiencia del cliente. Este no es un caso apropiado, pero no siempre lo sabe. Puede encontrar poco más en el proceso”.
Por qué los datos listos para AI son críticos para la asimilación empresarial
Los datos listos para AI son un paso crítico para adoptar proyectos de IA. En un Gartner separado investigaciónmás de la centro de los 500 líderes empresariales de tamaño mediano y líderes tecnológicos dijeron que esperan que la asimilación de infraestructuras listas para AI ayude con procesos de datos más rápidos y flexibles.
Ese podría ser un proceso flemático. Hasta 2026, Gartner predicta Las organizaciones abandonarán el 60% de los proyectos de IA que no están respaldados por datos listos para AI. Cuando la firma de investigación encuestó a los líderes de dirección de datos el verano pasado, el 63% de los encuestados dijo que sus organizaciones no tenían las prácticas de dirección de datos adecuadas o que no estaban seguros de las prácticas.
A medida que los despliegues se vuelven más maduros, es importante considerar formas de atracar los desafíos continuos como la deriva del maniquí de IA con el tiempo, dijo Awais Sher Bajwa, patrón de datos y banca de IA en Bank of America. Agregó que las empresas no siempre necesitan apresurar poco a los usuarios finales que ya están asaz avanzados en cómo piensan sobre el potencial de las aplicaciones basadas en el chat.
“Todos en nuestra vida cotidiana somos usuarios de aplicaciones de chat”, dijo Sher Bajwa. “Los usuarios se han vuelto asaz sofisticados. En términos de capacitación, no necesita llevarlo a los usuarios finales, pero incluso significa que se convierte en un proceso muy colaborativo. Debe descubrir los instrumentos de implementación y escalera, que se convierten en el desafío”.
Los dolores y complejidades de crecimiento del cálculo de IA
Las empresas incluso deben considerar las oportunidades y desafíos de las aplicaciones híbridas basadas en la montón, en las primeras e híbridas. Las aplicaciones AI habilitadas en la montón permiten probar diferentes tecnologías y escalera de una modo más abstracta, dijo Sher Bajwa. Sin bloqueo, agregó que las empresas deben considerar varios problemas de infraestructura como la seguridad y el costo, y que los proveedores como NVIDIA y AMD están facilitando que las empresas prueben diferentes modelos y diferentes modalidades de implementación
Las decisiones sobre los proveedores de la montón se han vuelto más complejas de lo que eran hace unos primaveras, dijo Holstege. Si perfectamente las opciones más nuevas como Neoclouds (que ofrecen servidores respaldados por GPU y máquinas virtuales) a veces pueden ofrecer alternativas más baratas a los hiperscalers tradicionales, señaló que muchos clientes probablemente implementarán IA donde sus datos ya residen, lo que harán que los importantes cambios de infraestructura sean menos probables. Pero incluso con alternativas más baratas, Holstege ve una compensación con la informática, el costo y la optimización. Por ejemplo, señaló que los modelos de código campechano como Candela y Mistral pueden tener mayores demandas informáticas.
“¿El costo de enumeración le hace equivaler la pena incurrir en el dolor de persona del uso de modelos de código campechano y de portar sus datos?” Preguntó Holstege. “Solo la frontera de las elecciones que la familia enfrenta ahora es mucho más amplia de lo que era hace tres primaveras”.
