Para desbloquear todo el potencial de inteligencia artificial para los negocios, es necesario desarrollar una alfabetización ejecutiva en IA.
– El uso de dados sintéticos para treinar modelos de Inteligencia Artificial es una estrategia esencial para aumentar la privacidad y generar conjuntos de datos.
D&A está pasando del dominio de unos pocos a la ubicuidad», dijo Gareth Herschel, vicepresidente analista de Gartner. «Al mismo tiempo, los líderes de D&A están bajo presión de no hacer más con menos, sino de hacer mucho más con mucho más, y eso puede ser aún más desafiante porque lo que está en juego está aumentando. Hay ciertas tendencias que ayudarán a los líderes de D&A a cumplir con las presiones, expectativas y demandas a las que se enfrentan».
Los analistas de Gartner presentaron las principales tendencias de D&A que los líderes de TI deben navegar e incorporar en su estrategia de D&A en la Cumbre de Datos y Análisis de Gartner, que se lleva a cabo en Orlando hasta hoy.
Productos de datos altamente consumibles
Para capitalizar los productos de datos altamente consumibles, los líderes de D&A deben centrarse en casos de uso críticos para el negocio, correlacionando y escalando productos para aliviar los desafíos de entrega de datos. Priorizar la entrega de productos de datos mínimos viables reutilizables y componibles es esencial, lo que permite a los equipos mejorarlos con el tiempo. Los líderes de D&A también deben llegar a un consenso sobre los indicadores clave de rendimiento entre los equipos de producción y consumo, lo cual es vital para medir el éxito del producto de datos.
Soluciones de gestión de metadatos
La administración eficaz de metadatos comienza con los metadatos técnicos y, a continuación, se expande para incluir metadatos empresariales para mejorar el contexto. Al incorporar varios tipos de metadatos, las organizaciones pueden habilitar catálogos de datos, linaje de datos y casos de uso impulsados por IA. Es imperativo seleccionar herramientas que faciliten el descubrimiento y análisis automatizados de metadatos.
Tejido de datos multimodal
La creación de una práctica sólida de administración de metadatos implica capturar y analizar metadatos en toda la canalización de datos. La información y las automatizaciones de Data Fabric respaldan las demandas de orquestación, mejoran la excelencia operativa a través de DataOps y habilitan los productos de datos.
Datos sintéticos
Identificar las áreas en las que faltan datos, están incompletos o son costosos de obtener es crucial para avanzar en las iniciativas de IA. Los datos sintéticos, ya sea como variaciones de los datos originales o como sustitutos de los datos sensibles, garantizan la privacidad de los datos al tiempo que facilitan el desarrollo de la IA.
Análisis de agentes
La automatización de los resultados empresariales de bucle cerrado con agentes de IA para el análisis de datos es transformadora. Se recomienda probar casos de uso que conecten la información con interfaces de lenguaje natural y evaluar las hojas de ruta de los proveedores para la integración de aplicaciones en el lugar de trabajo digital. Establecer la gobernanza minimiza los errores y las alucinaciones, al tiempo que es esencial evaluar la preparación de los datos a través de principios de datos preparados para la IA.
Agentes de IA
AI agents are valuable for ad hoc, flexible, or complex adaptive automation needs. Beyond relying solely on large language models (LLMs), other analytics and AI forms are necessary. D&A leaders should enable AI agents to access and share data across applications seamlessly.
Small Language Models
Se aconseja tener en cuenta los modelos de lenguaje pequeños en lugar de los modelos de lenguaje grandes para obtener resultados de IA más precisos y contextualmente apropiados dentro de dominios específicos. Se recomienda proporcionar datos para la recuperación de generación aumentada o ajustar modelos de dominio personalizados, especialmente para el uso local para manejar datos confidenciales y reducir los recursos y costos de proceso.
IA compuesta
Aprovechar múltiples técnicas de IA mejora el impacto y la fiabilidad de la IA. Los equipos de D&A deben diversificarse más allá de GenAI o LLM, incorporando ciencia de datos, aprendizaje automático, gráficos de conocimiento y optimización para soluciones integrales de IA.
Plataformas de Inteligencia de Decisiones
La transición de una visión basada en datos a una centrada en la toma de decisiones es crucial. Priorizar las decisiones empresariales urgentes para el modelado, alinear las prácticas de inteligencia de decisiones (DI) y evaluar las plataformas de DI son pasos recomendados. Redescubrir las técnicas de ciencia de datos y abordar los aspectos éticos, legales y de cumplimiento de la automatización de decisiones son esenciales para el éxito.
Los líderes de datos y analítica pueden aprender más sobre cómo evaluar su propia efectividad utilizando el Diagnóstico de Efectividad CDAO de Gartner, una herramienta exclusiva que permite