۱۱ پیش‌بینی داده برای رشد شرکت‌های مبتنی بر هوش مصنوعی در سال ۲۰۲۴

سال ۲۰۲۳ همه در مورد اتخاذ مدل های هوش مصنوعی و پایه بود. با این حال، هنگامی که سازمان‌ها برای وارد کردن نسل هوش مصنوعی در جریان کار خود رقابت می‌کردند، متوجه شدند که نظم بخشیدن به امور داده‌هایشان چقدر مهم است.

در حالی که شرکت‌ها همیشه نقش داده‌های با کیفیت بالا را در موفقیت کسب‌وکار درک می‌کردند، ظهور نسل هوش مصنوعی ارزش آن را تقویت کرد و مطمئن شد که نقطه تمرکز همه است. اکنون که به سال ۲۰۲۴ می رویم، که قرار است داستان های هوش مصنوعی نسل بزرگ تری را به ارمغان بیاوردکارشناسان و فروشندگان پیشرو صنعت پیش بینی های خود را در مورد اینکه چگونه انتظار دارند که جنبه های مختلف اکوسیستم داده در ماه های آینده تکامل یابد را به اشتراک می گذارند.

۱٫ Relational از SQL آزاد می شود

چه استفاده از لبه‌های مدرن، اینترنت اشیا یا برنامه‌های هوش مصنوعی مولد برای رشد کسب‌وکار، هیچ کمبودی در برنامه‌های جسورانه برای شرکت‌ها در سال ۲۰۲۴ وجود ندارد. همه این برنامه‌ها بر دسترسی امن به داده‌های سازمانی متکی هستند. برای بسیاری از شرکت‌ها، زیرساخت داده زیربنای این برنامه‌ها است. بسیاری از سازمان ها همچنان به پایگاه های داده عملیاتی قدیمی که برای رسیدگی به نیازهای فناوری چند دهه ساخته شده اند، متکی هستند.

SQL یک زبان پایگاه داده است که فاقد رویکرد استاندارد شده برای منطق رویه‌ای است که برای اکثر برنامه‌ها، در یک سرور برنامه کاربردی متصل به پایگاه داده SQL با استفاده از یک جلسه وضعیتی و پایدار تعبیه شده است. این رویکرد طراحی برای SQL 50 سال پیش منطقی بود، اما میراث دردناکی برای خدمات ابری مدرن و بدون اتصال است. به طور کلی به کد برنامه و پایگاه داده نیاز دارد تا در همان منطقه مرکز داده قرار گیرند، که به شدت مانع برنامه‌های بدون سرور یا توزیع‌شده جغرافیایی می‌شود که امروزه برای شرکت‌ها حیاتی هستند، مانند اینترنت اشیا و برنامه‌های لبه…

با نگاهی به آینده، شاهد خواهیم بود که کسب‌وکارها زیرساخت‌های پایگاه داده چابک‌تری را اتخاذ می‌کنند که از توزیع، سازگاری، مقیاس‌پذیری و انعطاف‌پذیری برنامه‌های مدرن در سراسر اینترنت اشیا، لبه و هوش مصنوعی پشتیبانی می‌کند. چالش‌های پایگاه‌های داده قدیمی تنها زمانی پرهزینه‌تر می‌شوند که محدودیت‌های آن‌ها برای توسعه‌دهندگان سازمانی سنگین‌تر می‌شود و گلوگاه بزرگ‌تری برای سرعت نوآوری کسب‌وکار ایجاد می‌کند.

– باب موگلیا، رئیس اجرایی Fauna و مدیر عامل سابق Snowflake

۲٫ پایگاه داده های برداری تبدیل به پرطرفدارترین فناوری خواهند شد

“در سال ۲۰۲۴، پایگاه های داده برداری تبدیل به پرطرفدارترین فناوری برای به دست آوردن خواهد شد. در عصری که بینش‌های مبتنی بر داده به نوآوری می‌افزایند، پایگاه‌های داده برداری به دلیل مهارتشان در مدیریت داده‌های با ابعاد بالا و تسهیل جستجوهای شباهت پیچیده به سرعت برجسته شده‌اند. چه برای سیستم‌های توصیه، تشخیص تصویر، پردازش زبان طبیعی، پیش‌بینی مالی، یا سایر سرمایه‌گذاری‌های مبتنی بر هوش مصنوعی، درک پایگاه‌های داده بردار برتر برای توسعه نرم‌افزار در سراسر صنایع حیاتی خواهد بود.

همانطور که برنامه‌های کاربردی جدید از پایه با هوش مصنوعی ساخته می‌شوند، پایگاه‌های داده برداری نقش مهمی را در پشته فناوری ایفا خواهند کرد، درست مانند پایگاه‌های داده برنامه‌های کاربردی در گذشته. تیم‌ها به مقیاس‌پذیر، آسان برای استفاده و عملیاتی نیاز دارند. ذخیره سازی ساده بردار داده در حالی که آنها به دنبال ایجاد محصولات مجهز به هوش مصنوعی با قابلیت های جدید مبتنی بر LLM هستند.

– راتنش سینگ پریهر، معمار اصلی در نرم افزار Talentica، و Avthar Sewrathan، GM برای هوش مصنوعی و برداری در Timescale

۳٫ صید طلای LLM در دریاچه های داده سازمانی

“هیچ کمبودی در آمار مربوط به مقدار اطلاعاتی که یک شرکت متوسط ​​ذخیره می کند وجود ندارد – این اطلاعات می تواند صدها پتابایت برای شرکت های بزرگ باشد. با این حال بسیاری از شرکت ها گزارش می دهند که کمتر از نیمی از این اطلاعات (داده های عمدتاً ساختار یافته) را برای عملی استخراج می کنند. در سال ۲۰۲۴، کسب و کارها شروع به استفاده از هوش مصنوعی مولد برای استفاده از آن داده های رام نشده با کار ساختن و سفارشی کردن LLM خواهند کرد. با ابررایانه های مبتنی بر هوش مصنوعی، کسب و کارها شروع به استخراج داده های خود خواهند کرد. داده های بدون ساختار – از جمله چت‌ها، ویدیوها و کدها – برای توسعه توسعه هوش مصنوعی خود به آموزش مدل‌های چندوجهی. این جهش فراتر از توانایی استخراج جداول و سایر داده‌های ساختاریافته به شرکت‌ها اجازه می‌دهد تا پاسخ‌های خاص‌تری به سؤالات ارائه دهند و فرصت‌های جدیدی بیابند. این شامل کمک به تشخیص ناهنجاری‌ها در اسکن‌های سلامت، کشف روندهای نوظهور در خرده‌فروشی و ایمن‌تر کردن عملیات تجاری است.»

– چارلی بویل، معاون DGX Systems، Nvidia

۴٫ شرکت‌هایی که اتوماسیون کافی برای تقویت هوش مصنوعی ندارند، سوختگی را احساس خواهند کرد

زمانی که کسب‌وکارها هوش مصنوعی را برای حفظ مزیت رقابتی خود پیاده‌سازی می‌کنند، بسیاری از زیرساخت‌های داده‌های سازمان‌یافته‌شان را شدیدتر احساس می‌کنند. اثرات داده‌های بد (یا داده‌های ناکافی) زمانی تشدید می‌شود که مخاطرات صرفاً از ارائه اطلاعات بد در مورد آنها افزایش یابد. داشبوردی برای خودکارسازی بالقوه تصمیمات و رفتارهای اشتباه بر اساس آن داده‌ها. زمانی که فردی بدون زیرساخت داده و حاکمیت قوی، هوش مصنوعی مولد را در یک زمینه ماموریتی حیاتی قرار دهد و از دقت رنج می‌برد، زمان زیادی است.

– شان کنپ، مدیر عامل Ascend.io

۵٫ تیم های Cloud FinOps خطوط لوله داده خود را بهینه می کنند

در سال ۲۰۲۴، در مواجهه با واقعیت مخارج بی‌رویه در فضای ابری، در سال ۲۰۲۴، برای شناسایی هزینه‌های غیرضروری به مشارکت‌های واقعی بین سازمانی نیاز است و تیم‌های مالی و مهندسی نقش‌های حیاتی ایفا می‌کنند. تحقیق سالانه Ascend، ۴۸ درصد از پاسخ دهندگان به برنامه هایی برای بهینه سازی خطوط لوله داده خود برای کاهش هزینه های رایانش ابری اشاره کردند که ۸۹ درصد از آن پاسخ دهندگان انتظار داشتند که تعداد خطوط لوله در ۱۲ ماه آینده افزایش یابد. در سال آینده باید از پلتفرم‌هایی استفاده کرد که مکان‌هایی را که هزینه‌های اضافی در خطوط لوله داده انجام می‌شود و با نمایش سریع بهینه‌سازی هزینه به عقب برگردانند تا از دستورات نادرست از بالا جلوگیری شود.»

– شان کنپ، مدیر عامل Ascend.io

۶٫ داده‌های قصد تبدیل به یک ابزار ضروری برای تیم‌های وارد بازار خواهند شد

“در سال ۲۰۲۴، داده‌های قصد دیگر برای تیم‌های بازاری “خوب داشتن” نخواهد بود. همانطور که شرکت‌ها تلاش می‌کنند تا تلاش‌های فروش و بازاریابی را همسو کنند، توانایی پیش‌بینی نیازهای مشتری از طریق تجزیه و تحلیل داده‌های رفتاری از داده‌های قصد خواهد بود. با پیچیده‌تر شدن هوش مصنوعی هر سال، ما پیش‌بینی می‌کنیم که شاهد تغییر مداوم از تعامل واکنشی به فعالانه با مشتری، افزایش تبدیل‌ها و تقویت وفاداری درازمدت مشتری باشیم.»

– هنری شوک، مدیر عامل ZoomInfo

۷٫ تیم‌های داده و کسب‌وکار، روی محصولات هوش مصنوعی نصب می‌شوند

«در حالی که تقاضای کاربران تجاری برای محصولات هوش مصنوعی مانند ChatGPT قبلاً شروع به کار کرده است، تیم های داده همچنان یک چک لیست بزرگ را قبل از اجازه دسترسی به داده های شرکت اعمال می کنند. این سناریوی دم تکان دادن سگ ممکن است عملکردی اجباری برای ایجاد تعادل باشد، و پذیرش می‌تواند زودتر از این اتفاق بیفتد زیرا هوش مصنوعی خود را قابل اعتماد و امن نشان می‌دهد.

علاوه بر این، کسب‌وکارها مجموعه داده‌های تمیز را در اولویت قرار می‌دهند تا از تحلیل‌های مبتنی بر هوش مصنوعی استفاده کنند. مجموعه داده‌های پاک به عنوان پایه‌ای برای اجرای موفق هوش مصنوعی عمل می‌کند و به کسب‌وکارها این امکان را می‌دهد تا بینش‌های ارزشمندی به دست آورند و رقابتی بمانند.»

– آرینا کورتیس، مدیرعامل و یکی از بنیانگذاران DataGPT

۸٫ شرکت ها از زمان واقعی و هوش مصنوعی سود مضاعفی دریافت خواهند کرد

«با هوش مصنوعی تجزیه و تحلیل داده ها در زمان واقعی از طریق اتوماسیون به شرکت ها صرفه جویی در هزینه ها و هوش رقابتی بسیار بیشتری نسبت به قبل می دهد و مهندسان نرم افزار را قادر می سازد سریعتر در سازمان حرکت کنند. به عنوان مثال، شرکت های بیمه، ترابایت و ترابایت داده در پایگاه داده خود ذخیره می کنند. با هوش مصنوعی، در سال ۲۰۲۴، ما قادر خواهیم بود این اسناد را در زمان واقعی پردازش کنیم و همچنین بدون نیاز به کدنویسی مدل های سفارشی، اطلاعات خوبی از این مجموعه داده به دست آوریم.

تا به حال، یک مهندس نرم افزار برای نوشتن کد برای تجزیه این اسناد، سپس نوشتن کد بیشتری برای استخراج کلمات کلیدی یا مقادیر، و سپس قرار دادن آن در پایگاه داده و پرس و جو برای ایجاد بینش عملی مورد نیاز بود. صرفه‌جویی در هزینه‌ها برای شرکت‌ها بسیار زیاد خواهد بود، زیرا به لطف هوش مصنوعی بلادرنگ، شرکت‌ها برای بدست آوردن ارزش رقابتی از داده‌ها نیازی به استخدام کارکنان زیادی ندارند.

– Dhruba Borthakur، CTO و یکی از بنیانگذاران Rockset

۹٫ نمودارهای دانش به کاربران کمک می کند تا سیلوهای داده را حذف کنند

از آنجایی که شرکت‌ها به انتقال داده‌های بیشتر به یک ابر داده ادامه می‌دهند، صدها، هزاران و گاهی اوقات حتی ده‌ها هزار سیلو داده را در ابرهای خود جمع‌آوری می‌کنند. استفاده از روابط بین منابع داده های مختلف. با این کار، در سال جدید، شاهد ظهور انواع تکنیک های هوش مصنوعی مبتنی بر نمودار دانش جدید و جدید خواهیم بود که از توسعه برنامه های کاربردی هوشمند پشتیبانی می کنند.”

– ملحم عارف، مدیرعامل و بنیانگذار RelationalAI

۱۰٫ هوش مصنوعی رویکرد فعلی مدیریت داده را تغییر خواهد داد

“کسب و کارها در حال درک پتانسیل هوش مصنوعی برای کمک به ارزش کلی و مزیت رقابتی خود هستند. برای دستیابی به این هدف، هوش مصنوعی نیاز به آموزش و پردازش انواع مختلف داده ها دارد. برخی از داده ها عمومی هستند، اما بسیاری از آنها اطلاعات شخصی مصرف کننده یا فکری هستند. دارایی خاص یک سازمان. شرکت‌ها متوجه خواهند شد که برای محافظت از داده‌هایی که توسط مدل‌های هوش مصنوعی استفاده می‌شوند، باید تعادل ایجاد کنند، در حالی که همچنان از آن داده‌ها برای حمایت از تصمیم‌گیری ارزشمند استفاده می‌کنند. این راه‌حل‌های مدیریت داده نوآورانه در کنار رعایت مقررات به تکامل خود ادامه خواهند داد. و قوانین نوظهور.»

– Osmar Olivo، معاون مدیریت محصول، Inrupt

۱۱٫ نقش مدیر ارشد داده ها به یک پیش نیاز برای امیدواران CIO تبدیل خواهد شد

“در سال ۲۰۲۴، یک مسیر شغلی مطمئن و مطمئن برای امیدواران CIO ایجاد خواهد شد – تبدیل شدن و عالی شدن به عنوان مدیر ارشد داده. در چند سال گذشته، CDO از یک نقش مشاوره با بودجه کم به یک دارایی حیاتی تبدیل شده است. کمک به کسب‌وکارها برای استفاده حداکثری از داده‌هایشان. از آنجایی که سازمان‌های بیشتری در هوش مصنوعی و ابر سرمایه‌گذاری می‌کنند تا داده‌های خود را دموکراتیک کنند و به نوآوری دامن بزنند، CDOها در صندلی راننده قرار دارند – و به CIO و همچنین موفقیت کسب‌وکار از همیشه نزدیک‌تر هستند. سازمان‌هایی که به دنبال مدیران ارشد ارشد فناوری اطلاعات هستند، آن‌هایی را انتخاب می‌کنند که واقعاً درک می‌کنند که داده‌ها چگونه حرکت می‌کنند، جریان می‌یابند و سازمان‌ها را تحت تأثیر قرار می‌دهند، به این معنی که CDO‌ها یک مزیت طبیعی در پیگیری این مسیر شغلی خواهند داشت و همچنان به اعمال نفوذ فوق‌العاده در شرکت ادامه می‌دهند.

– هیث تامپسون، رئیس و جنرال موتورز، نرم افزار Quest