Исполнитель: Keith Belanger Исполнитель: Keith Belanger У проектов искусственного интеллекта есть способ раскрыть проблемы с данными, над которыми ранее работали команды данных.Это потому, что аналитические данные позволяют допустить широкий марж ошибок, а искусственный интеллект просто этого не делает.Модели искусственного интеллекта не терпят двусмысленности, а решения, принимаемые на скорости машин, усиливают каждый недостаток, скрывающийся вверх.То, что когда-то не удавалось тихо, теперь не удается громко, и часто публично. Неудачи ИИ часто отвергаются как экспериментальные растущие боли.На самом деле, они раскрывают слабость существующих операций.Неудобная правда заключается в том, что большинство организаций данных не подготовлены к ИИ, независимо от того, насколько современны их платформы или насколько сложны их модели. Вы видите это, когда первая модель переподготовки не удается, потому что трубопровод изменился, когда никто не может объяснить, почему вчерашние данные выглядят иначе, чем сегодняшние, или когда «просто перезагрузите его» становится стандартным ответом на проблемы производства. Он сказал: «Прежде всего, если у данных есть проблемы, то данные не готовы для ИИ». Гартнер Гартнер Data Teams нуждаются в новой операционной модели В течение многих лет большинство организаций жили с хрупким компромиссом. Если трубопроводы иногда ломались, они могли бы вовремя исправиться, чтобы соответствовать срокам. «Достаточно хорошее» качество данных было достаточно хорошим. Управление существовало где-то в совместном диске. Эта модель полагалась на людей, а не на системы, чтобы поглотить сложность. Компенсированы героическими действиями: ручные проверки, поздние ночи и институциональная память неформально передавались от человека к человеку. Данные команды Данные команды Аналитический подход эпохи данных разрушается, когда доставка переходит от еженедельных выпусков к многочисленным развертываниям в день. Модели потребляют данные непрерывно, предполагают последовательность и усиливают даже небольшие отклонения. «AI-Ready» достижимо и измеримо Организации больше не могут декларировать готовность, основанную на доверии или инструментарии.Они должны начать демонстрировать это с непрерывной валидации, линейки, оценки, правил и принуждения в производстве. Потому что «AI-ready» — это не просто ощущение, это измеримое состояние. Достоверный своевременно Править наблюдаемого Репродуктивный Эта эволюция качества данных требует большего, чем добрые намерения или документы наилучшей практики.Это требует систем, предназначенных для обеспечения надежности по умолчанию, которые могут предоставить непрерывные доказательства надежности данных. Реальная бутылка является операционной, а не технологической Большинство предприятий уже имеют мощные платформы для обработки данных. чего им не хватает, это способ операционизировать эти платформы с последовательностью на скорости ИИ. Ручные процессы не масштабируются, потому что у людей только так много внимания. Рабочие нагрузки ИИ требуют повторяемости и уверенности в том, что данные будут вести себя так же сегодня, как и вчера, и что, когда этого не происходит, они сразу же заметны и фиксируются. Программное обеспечение столкнулось с этой проблемой много лет назад.Поскольку системы становились более сложными и циклы выпуска ускорялись, ручные процессы и человеческая бдительность перестали масштабироваться.DevOps изменил игру, операционизировав автоматизацию, тестирование, наблюдаемость и повторную доставку. Программное обеспечение столкнулось с этой проблемой много лет назад.Поскольку системы становились более сложными и циклы выпуска ускорялись, ручные процессы и человеческая бдительность перестали масштабироваться.DevOps изменил игру, операционизировав автоматизацию, тестирование, наблюдаемость и повторную доставку. Объем, скорость и радиус взрыва уловили операционную модель. DataOps предлагает командам данных ту же операционную строгость, которая помогла катапультировать команды программного обеспечения в 21-м веке. Data is now at the same inflection point. Данные сейчас находятся в той же точке отсчета. Операционизация доверия - единственный путь вперед Организации, которые преуспеют с ИИ, будут теми, кто . treat data trust as an operational discipline Обращайтесь к доверию данных как к оперативной дисциплине Это означает, что трубопроводы данных нуждаются в непрерывном наблюдении, автоматическом управлении и доказательстве в производстве с искусственным интеллектом. . Данные о продуктах Данные о продуктах Модели останавливаются в производстве, уверенность в выходе разрушается, и команды перестают доверять системам, которые они построили. Познакомьтесь с моментом, обнимая и операционализация ваших данных с системами, предназначенными для предоставления доверия со скоростью ИИ. DataOps discipline Дисциплина DataOps Эта статья была опубликована в рамках Программы бизнес-блогов HackerNoon. Эта статья была опубликована в рамках Программы бизнес-блогов HackerNoon. Эта статья была опубликована в HackerNoon's . Бизнес Блог Программа Бизнес Блог Программа Бизнес Блог Программа
