至 2025 年，数据品质：AI 突破生成技术局限之要诀
内容来源 :
发布日期 : 2024-11-26
在工业领域融入人工智能（AI）之际，务必要实现务实性的转变，应着重构建强劲的数据基础设施，而非单纯聚焦于生成技术。
随着 AI 的应用在 2025 年前加速推进，重点关注可拓展且适应性佳的方案，而非局限于生成式人工智能（GenAI），这将成为重中之重。其中核心要素涵盖数据品质、数据治理以及实际用例的应用实践。在数据与人工智能领域颇具声望的 Qlik 分析师指出，企业若要充分释放人工智能的潜能，就必须着力投资高质量的实时数据，并打造能够在不同生态系统间实现无缝对接的开放平台。
大型语言模型（LLM）虽在数据提取方面颇具影响力，然而仍存在诸多不足，因为众多组织常常忽视对自身非结构化数据集的深度挖掘与充分利用。Qlik 的分析与人工智能首席技术官 Charlie Farah 提到：“信任度与数据质量将左右人工智能在 2025 年的成败。那些能够达成直观数据交互的解决方案，例如借助自然语言对数据集进行查询的方式，将会备受瞩目，原因在于其契合了对可用性与可信度日益增长的需求。人工智能在 2025 年的真正价值，将体现于它能够助力企业以负责的态度运营数据，在创新与管控、安全性及合规性之间达成平衡。”
依据对 2025 年的展望预测，专有业务数据将构成推动先进 AI 成果达成的核心要素。当 AI 模型趋近其性能边界时，有效运用业务数据将会成为提升 AI 效率并在行业中斩获竞争优势的关键所在。
Qlik 的澳新地区经理 Mark Fazackerley 阐释道：“业务数据堪称推动 AI 持续前行的动力源泉，但并非普通数据，而是具有专有性、实时性且整合完备的数据，这正是领先者与其他数据的差异之处。依赖基础模型性能所获取的收益已难以为继。当下最为睿智的企业正从数十个数据源直接汇聚专有数据，以获取即时成效。”
具备以最少人工干预实现自主运作能力的代理人工智能的兴起，无疑是商业技术领域的一项重大突破。为了高效运用代理人工智能，Qlik 专家提议部署开放且无偏向性的平台，从而突破专有系统可能带来的局限，因为专有系统或许会对创新形成阻碍。此类平台能够保障数据的持续流动，并促进人工智能功能的协同整合。
Charlie Farah 表示：“人工智能的成功仰仗于那些能够在跨云平台间无缝集成并保障数据持续流动的系统。封闭的生态系统会制约创新，并使企业受困于陈旧技术。与 AWS、Snowflake 和 Databricks 等环境相融合的无偏向性平台可有效防止技术碎片化，促使人工智能以一个协同且自适应的整体发挥效能。”
对数据于人工智能中的角色定位与治理的高度重视，彰显出行业环境正朝着更为明智且负责的人工智能战略方向发生转变。这也凸显出，整合专有数据与开放系统的精选解决方案必将被证实极具优势与价值。
声明：本站所使用的图片文字等素材均来源于互联网共享平台，并不代表本站观点及立场，如有侵权或异议请及时联系我们删除。
