Ожидания бизнес-лидеров от приложений AI/ML слишком высоки, говорят директора по данным

Лидеры в области данных и аналитики говорят, что они не могут оправдать высокие ожидания бизнес-лидеров в отношении инициатив в области искусственного интеллекта и машинного обучения, потому что они недоукомплектованы кадрами и недостаточно оснащены, согласно новому отчету под названием «Создание успешного нападения на аналитику данных: стратегии C-Level для машинного обучения». Топливный двигатель доходов.

В опросе 100 американских директоров по обработке и анализу данных, проведенном Wakefield Research от имени Domino Data Lab, 95% заявили, что руководство компании ожидает, что инвестиции в приложения AI и ML окупятся с ростом доходов. Треть (33%) ожидают увеличения доходов в двузначном процентном выражении.

Согласно исследованию, только 19% опрошенных CDO и CDAO заявили, что у них есть ресурсы, необходимые для удовлетворения ожиданий их боссов, а 29,4% заявили, что существует «значительная нехватка» персонала, финансовых и технологических ресурсов, необходимых им для увеличения доходов. роста с использованием AI и ML.

Серьезной проблемой была названа нехватка технических навыков: 87% респондентов заявили, что их неспособность набирать и замещать должности специалистов по обработке и анализу данных мешает их организации внедрять инновации в этой области.

Аналогичным образом, 81% респондентов сообщили, что их нынешние инструменты не позволяют в полной мере измерить влияние их инициатив в области искусственного интеллекта и машинного обучения на доход, в результате чего группы обработки данных «летают вслепую» со своими приложениями.

Перейти к:

Почему CDO и CDAO хотят большей покупательной способности Переход от «оборонительного» к «наступательному» применению Риск недостаточного оснащения групп данных Как бизнес-лидеры могут сократить этот разрыв Методология опроса

Почему CDO и CDAO хотят большей покупательной способности

Бюджеты — а точнее, те, кто отвечает за бюджеты — были определены как один из самых больших камней преткновения для CDO и CDAO.

Почти две трети (64%) респондентов сообщили, что ИТ-отдел их компании контролировал большинство решений о расходах, связанных с платформами данных, а группы данных и аналитики имели право голоса только примерно в 56% покупок.

CDO и CDAO ссылались на конкурирующие приоритеты между командами по обработке данных и аналитике и ИТ-отделом, когда дело касалось расходов на технологии: 99% заявили, что им было трудно убедить ИТ-отдел сосредоточить бюджеты на инициативах в области науки о данных, машинного обучения и искусственного интеллекта, а не на традиционных ИТ-областях, таких как безопасность, функциональная совместимость и управление.

Руководители данных предположили, что отсутствие контроля над закупками повлияло на укомплектование персоналом и найм: 99% CDO и CDAO сообщили, что неспособность предоставить командам данных и аналитики свои инструменты выбора негативно повлияла на их способность нанимать, сохранять и повышать квалификацию технических специалистов.

Переход от «защиты» к «наступлению»

Исследование показало, что CDO и CDAO испытывают еще большее давление, чтобы бороться за контроль над инициативами AI / ML своей организации теперь, когда бизнес-лидеры хотят более инновационно использовать свои данные.

Две трети (67%) респондентов заявили, что их стратегия переходит от «защитной» позиции, сосредоточенной на управлении данными, управлении, соблюдении нормативных требований и модернизации бизнес-аналитики, к более «наступательной» стратегии, направленной на создание новой ценности для бизнеса с помощью инновационного ИИ. и ML-приложения.

Таким образом, 98% лидеров данных согласились с тем, что скорость, с которой организации смогут разрабатывать, вводить в эксплуатацию и улучшать приложения AI/ML, «определит, кто выживет, а кто преуспеет в условиях постоянных экономических проблем».

Из-за этого еще 67% CDO и CDAO считают, что пришло «время взять бразды правления у ИТ», чтобы не допустить отставания их организации, а Domino Data Lab пришла к выводу, что ИТ-отделы «[не имеют] полномочий управлять Инновации AI/ML».

Риски недостаточного оснащения групп данных

Помимо отставания от конкурентов и упущения новых источников дохода, основанных на данных, плохо оснащенные группы данных сталкиваются с более непосредственными рисками: 46% опрошенных CDO и CDAO признали, что у них нет инструментов управления, необходимых для предотвращения того, чтобы группы данных вносили риски в организации, в то время как 44% считают, что неспособность должным образом управлять своими приложениями AI/ML может привести к потере дохода в размере 50 миллионов долларов или более.

SEE: Большинство сотрудников планируют уволиться в этом году: вот что нужно знать руководителям технических и кадровых служб (TechRepublic)

«Сегодняшняя обширная и быстро меняющаяся нормативно-правовая база в сочетании с высокими ставками многих корпоративных инициатив в области науки о данных означает, что отсутствие надежного искусственного интеллекта может стоить десятки миллионов долларов», — говорится в отчете.

Кьелл Карлссон, глава отдела стратегии и евангелизации данных в Domino Data Lab, сказал, что результаты «отрезвляют», и предостерег от давления на лидеров данных, чтобы они делали больше с меньшими затратами.

«Руководители борются с постоянными проблемами, связанными с наймом и удержанием талантливых специалистов в области обработки и обработки данных, с тем, чтобы заставить ИТ-отделы уделять приоритетное внимание инвестициям в AI/ML по сравнению с традиционными приоритетами, такими как управление данными, а также со слабыми возможностями для управления моделями AI/ML и управления ими», — сказал Карлссон. «Роли CDAO и CDO уже известны своей быстрой текучестью кадров, и этот увеличивающийся разрыв между ожиданиями и способностью их выполнять не сулит ничего хорошего для их ожидаемой продолжительности жизни».

Как бизнес-лидеры могут сократить этот разрыв

Карлссон призвал бизнес-лидеров инвестировать в способность своих организаций масштабировать разработку и развертывание новых приложений на основе искусственного интеллекта/машинного обучения в большем количестве подразделений бизнеса.

Кроме того, чтобы привлекать и удерживать таланты, организациям следует вкладывать средства в предоставление специалистам по данным «широкого спектра различных инструментов», с которыми они обучены, а не всего лишь несколько проприетарных инструментов, продиктованных ИТ-отделом.

ПОСМОТРЕТЬ: Отчет: окупаемость инвестиций в повышение квалификации и другие программы обучения сотрудников (TechRepublic)

«Чтобы ускорить окупаемость и влияние, им необходимо инвестировать в платформы MLOps, которые охватывают сквозной жизненный цикл модели машинного обучения от разработки до развертывания, мониторинга и переобучения», — сказал Карлссон. «Для этого CDAO и CDO должны наладить взаимодействие и тесное сотрудничество с ИТ. Если это невозможно, у них нет другого выбора, кроме как реализовать эти платформы самостоятельно».

Методология опроса

Опрос Domino Data Lab был проведен Wakefield Research среди 100 главных директоров по данным и главных директоров по аналитике данных в американских компаниях с годовым доходом более 1 миллиарда долларов в период с 5 по 18 декабря 2022 года с использованием приглашения по электронной почте и онлайн-опроса. По данным Domino Data Lab, погрешность исследования составила более или менее 9,8%.

Читать далее: Набор для найма: Архитектор данных (TechRepublic Premium)