Фрагментацията на информационните системи е основната пречка пред развитието на цифровите технологии
Изкуственият интелект се препъва в данните. Общо 39% от компаниите използват ИТ решения, базирани на изкуствен интелект (AI), а използването им във финансово-икономическите отдели е още по-малко – едва 22%, според проучване на одиторската и консултантска компания Kept. Други 17% от анкетираните не планират да използват технологии в организациите, а 22% ще отложат нововъденията и във финансово-икономическия блок.
Ключовата бариера пред технологиите е
разнородността на данните от информационните системи,
отбелязват авторите на разработката. В същото време самите анкетирани (представители на финансови и икономически отдели на 20 индустриални и търговски компании) не са готови да посочат този фактор като основна причина. Изводът на Kept е, че фрагментацията на данните е основният източник и фактор от най-високо ниво на пречките, за които говорят бизнесите, както и пълното изоставяне на AI.
ИТ системите са фрагментирани дори в отделните компании
и не се формират общи „пулове от данни“ за изсутвен интелект.
Хетерогенността на данните в информационните системи е ключова пречка пред развитието на AI, според проучването „Изкуственият интелект – двигател на промените в икономиката и финансите“ на Kept.
„По правило много компании нямат единен информационен пейзаж с единни информационни бази и потоци и служителите трябва да събират и структурират голямо количество данни от различни източници. За да работи AI ефективно, е необходимо да имате достъп до голямо количество данни“, се посочва в проучването.
В същото време само 4% от анкетираните посочват фрагментацията на данните от информационните системи като пречка пред използването на AI в самите компании. Най-често те посочват липсата на необходимост от използване на AI (29%), липсата на информация за неговите възможности (27%) и липсата на инфраструктура (22%).
Изкуствият интелект може най-ефективно да се използва за решаване на проблеми, разположени в пресечната точка на няколко блока (финанси и доставки, финанси и инвестиции и други) или организационни единици, но проблемът е, че няма консолидиран склад за данни между отделите в самите фирми и между организациите. Според проучването, нивото на внедряване на AI във финансовия и икономически отдел е по-ниско, отколкото в компаниите като цяло, тъй като изисква човешко участие в решаването на аналитични и управленски проблеми – не всички бизнес процеси са делегирани на AI.
Важно е да се отбележи и това, че
проблемът с фрагментацията на данните е от критично значение
не само за бизнеса, но и за държавата.
Анализът посочва изолацията, разпокъсаността и несъответствието на събраните данни, „пачуърк“ характера на информационните системи и техния тесен корпоративен или индустриален фокус.
Подготовката на данни е наистина един от най-отнемащите време процеси при създаване на модели за машинно обучение. В същото време големите лингвистични и мултимодални модели поради развитите си обобщаващи способности намаляват изискванията към качеството на входните данни.
