概述
本周在澳大利亚悉尼举行了 2024 年 Gartner 数据与分析峰会。在会议第一天，主要有以下一些议题分享：如何让数据为 AI 做好准备；AI 风险和治理成为社会关注的问题；如何衡量和量化 AI 计划的成本、风险和价值。
议题: 如何让您的数据为 AI 做好准备以及它为何如此重要
首席数据和分析官 (CDAO) 和数据管理负责人被要求让他们的数据为 AI 做好准备，因为他们的公司渴望在 AI 和机器学习 (ML) 方面进行投资。在本次会议上，Gartner 首席分析师 Nina Showell 讨论了数据管理应如何发展以支持这些要求。
关键要点
“AI就绪的数据意味着您的数据必须能代表用例，代表训练 AI 模型所需的每种模式、错误或异常值。”
“为 AI 准备好数据可使业务成果提高 20%。”
“正式的数据管理实践不是您所需要的。您需要了解管理数据的所有正式和非正式方式。”
“为了证明数据已为 AI 就绪，D&A 团队需要能够快速迭代和收敛以识别适合使用的数据。”
“将数据管理作为 AI 战略重点。建立跨职能团队来支持您的 AI 就绪数据需求。”
议题: 人工智能风险和治理成为社会关注的问题 - 它们如何影响您？
围绕生成式人工智能 (GenAI) 的炒作以及预训练人工智能模型集中在少数提供商手中使其成为社会关注的问题。组织必须制定人工智能治理方案，为新的人工智能法规做好准备。在本次会议上，Gartner 副总裁分析师 Svetlana Sicular 讨论了人工智能治理如何平衡人工智能的价值和风险。
关键要点
“人工智能不仅仅是一项技术，更是领导层的责任。”
“到 2027 年，人工智能的生产力价值将被视为国家实力的主要经济指标。”
“人工智能是唯一一个要求受到监管的行业，因为存在太多灰色地带。”
“熟悉您所在司法管辖区正在进行的人工智能政策和监管工作。将它们作为您自己政策的基准，但不要仅依靠它们来为您的组织做好准备。”
“确定用例的关键性以评估适当的风险程度。根据关键性区分您的治理。”
议题: 衡量和量化 AI 计划的成本、风险和价值
成本是 AI 成功的最大近期威胁之一。计算成本对领导者来说是一项重大挑战。在本次会议上，Gartner 副总裁分析师 Luke Ellery 讨论了如何识别 AI 的成本驱动因素，以及需要估计、管理和缓解的随之而来的风险。
关键要点
“通过三种计划类型来有效地估算成本、风险和价值 - ‘防御’ 以获得边际收益和微创新；‘扩展’ 以增加市场规模、覆盖范围、收入或盈利能力；‘颠覆’ 以快速将新产品推向市场。”
“通过关注与您的计划类型相关的成本因素来建立成本估算。让您的假设正确，否则成本可能会超出其估计值的 5 到 10 倍。”
“通过分配预算、资源、培训和工具来降低风险，以确保安全、可靠、合乎道德和可靠的 AI 解决方案。不要投资不足，因为这可能会损害您组织的品牌和声誉。”
“通过对包含 100 多个不同成本项目的几种场景进行建模来预测您的 GenAI 成本和成本风险。”
“虽然生产力是大多数组织期望从 AI 计划中获得的主要好处，但通过结合 GenAI 的多种收益指标来最大化价值实现。”
source：Gartner Data & Analytics Summit 2024 Sydney: Day 1 Highlights
扫一扫
2671
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
