Модернизация области данных, включающая новые методы, инструменты и технологии, — это третий этап цифровой трансформации, пишет на портале Network Computing Лори Маквитти, главный технический евангелист компании F5 Networks.
Ежегодные исследования F5 Networks «The State of Application Strategy» дают много данных, которые позволяют взглянуть на цифровую трансформацию с разных сторон. Один из основных способов, с помощью которого я рассматриваю эти данные, — в разрезе этапов цифровой трансформации. По мере того как организации погружаются в каждую из трех ее основных фаз, они, как правило, фокусируются на различных технологиях. В последнее время большинство организаций находятся на первых двух этапах и лишь приступают к последнему этапу, на котором господствуют искусственный интеллект и данные.
Три этапа цифровой трансформации
Автоматизация задач (Task Automation). На этом этапе цифровизация приводит к тому, что бизнес-задачи, ориентированные на человека, переходят в различные формы «автоматизации», что означает внедрение или создание большего количества приложений в рамках бизнес-потока. Это начинается с автоматизации четко определенных, индивидуальных задач для повышения эффективности. Распространенным примером являются системы IVR, которые отвечают на обычные вопросы о продукте или услуге, но при этом могут потребовать переключения на человека. Отдельные задачи автоматизированы, но не интегрированы в единое целое.
Цифровая экспансия (Digital Expansion). По мере того как компании начинают использовать преимущества облачных инфраструктур и добиваются автоматизации за счет разработки собственного ПО, это приводит к появлению нового поколения приложений для поддержки масштабирования и дальнейшего расширения их цифровой модели. Движущей силой этого этапа являются бизнес-лидеры, которые вовлекаются в принятие решений по приложениям, призванным дифференцировать или обеспечить уникальное взаимодействие с клиентами. Например, медицинские учреждения все чаще интегрируют записи пациентов и биллинг с системами приема, выписки и планирования. Автоматизированные напоминания о приеме могут устранять ручные процессы. Общей темой этой фазы является фокусирование на сквозном совершенствовании бизнес-процессов.
Расширение бизнеса с помощью ИИ (AI-Assisted Business Augmentation). По мере того как компании будут продвигаться по пути цифровых технологий и использовать более продвинутые возможности платформ приложений, бизнес-телеметрии и аналитики данных, а также технологий MО/ИИ, бизнес станет все больше управляться ИИ. Этот этап открывает новые возможности для повышения производительности бизнеса, которые ранее были недоступны. Например, одна розничная компания обнаружила, что от 10 до 20% неудачных попыток входа в систему были связаны с тем, что легитимные пользователи испытывали трудности с процессом проверки. Отказ в доступе по умолчанию означал потенциально значительную потерю дохода. Для того, чтобы отличить легитимных пользователей от ботов, пытающихся получить доступ, можно использовать поведенческий анализ. Технологии и аналитика позволяют с помощью ИИ идентифицировать легитимных пользователей и впускать их в систему, увеличивая доходы и повышая уровень удержания клиентов.
Вы удивитесь не больше, чем я, узнав, что за последний год, благодаря появлению генеративного ИИ, значительная часть организаций перешла на последнюю стадию и не собирается покидать ее в ближайшее время.
Я говорю это с уверенностью, потому что бизнес с помощью ИИ требует определенной технологической поддержки. ИИ, конечно, это главное, но он опирается на прочный фундамент данных и аналитики. И если говорить откровенно, то практически все исследования в отношении данных говорят об одном и том же: организации еще не готовы к ИИ. Не совсем готовы.
Потому что просто генерировать данные недостаточно. Недостаточно просто хранить данные. Относительно всех этих данных возникают вопросы о качестве, об управлении, о руководстве.
Среди них вопросы, которые приводят к принятию операционных практик, ориентированных на данные. Эти практики уже называют DataOps или MLOps. Как и в случае с DevOps, не так важно название, как то, что оно подразумевает: лучшие практики обработки, хранения, безопасности и управления данными, которые обеспечивают уровень качества, достаточный для поддержки как предиктивного, так и генеративного ИИ.
Вы, наверное, помните десятилетие DevOps, когда возникли, развились и стали статус-кво конвейеры CI/CD. В ближайшее время мы увидим аналогичное движение на рынке, сфокусированное на конвейерах данных, со всеми инструментами и технологиями, блогами и экспертами, которые будут сопутствовать этому.
И это необходимо. Потому что слишком много организаций в нашем последнем исследовании — 56% — назвали незрелость данных проблемой номер один, стоящей на пути внедрения ИИ. И мы не единственные, кто обратил на это внимание. AWS обнаружила, что «более половины (57%) компаний еще не внесли необходимые изменения в свои стратегии данных для поддержки генеративного ИИ, но большинство (93%) директоров по данным согласились с тем, что стратегия данных имеет решающее значение для получения отдачи от генеративного ИИ».
А когда мы углубились в стратегические вопросы, то обнаружили, что 47% организаций еще не определили стратегию работы с данными, направленную на поддержку ИИ.
Модернизировать практику работы с данными не проще, чем модернизировать инфраструктуру. В конце концов, большая часть ИТ-стека построена на фундаменте данных. Каждая технология и компонент в архитектуре предприятия вращаются вокруг хранения, защиты, передачи и анализа данных. Собственно, все сводится к ним, будь то биты на проводах, в базе данных или на файловом сервере. Приложения обмениваются данными: именно в этом и заключается суть API. Безопасная передача данных: это то, что обеспечивают мультиоблачные сети. Использование возможностей данных: именно в этом заключается суть ИИ.
И хотя предприятия давно поняли ценность клиентских и корпоративных данных, именно ИИ открывает ценность всех данных — операционных, корпоративных и персоанльных. Но эта ценность не может быть получена без способов ее извлечения, а это требует модернизации области данных с включением новых практик, инструментов и технологий. Именно на технологиях сфокусирован третий этап цифровой трансформации.
Организации, которые не признают важность практик, инструментов и технологий, позволяющих поддерживать, масштабировать и защищать данные, не смогут реализовать преимущества ИИ — как предиктивного, так и генеративного.
