详细内容或原文请订阅后点击阅览
98% 自动化：大多数企业人工智能项目失败的原因以及实际有效的方法
Cognizant 的机器学习工程师 Raj Bhowmik 实现了 98% 的 EDI 映射工作自动化，他分享了他使 GenAI 系统能够与遗留基础设施配合使用的方法。企业 IT 部门面临一个问题：他们的数据存储在不兼容的存储库中。 SAP HANA 与 BigQuery 和 Azure SQL 一起运行。 EDI 文件有数十种 [...]
来源:AI Time JournalCognizant 的机器学习工程师 Raj Bhowmik 实现了 98% 的 EDI 映射工作自动化，他分享了他使 GenAI 系统能够与遗留基础设施配合使用的方法。
企业 IT 部门面临一个问题：他们的数据存储在不兼容的存储库中。 SAP HANA 与 BigQuery 和 Azure SQL 一起运行。 EDI 文件有多种格式。客户数据分布在彼此不通信的系统中。根据麦肯锡的一份报告，尽管 23% 的组织正在扩展代理人工智能，39% 的组织正在尝试它们，但大多数组织在面对这一现实时都失败了。 Raj Bhowmik 是 Cognizant 的机器学习工程师，拥有机器学习和数据科学硕士学位，他构建了在这些环境中实际工作的 GenAI 系统：智能 EDI 分析器实现了 98% 的自动化，并将几周的工作时间缩短为几分钟，一个以自然语言查询 SAP HANA 的企业 AI Data Copilot，以及一个将拣货效率提高 80% 的情绪分析系统。他在 IEEE 会议（新加坡 ICNGN 2025 和 FMLDS 2025）上接收了两篇论文，并在美国各地评判 AI 黑客马拉松，拥有丰富的经验，能够将学术研究与生产部署联系起来。本次采访探讨了使人工智能系统与传统企业基础设施配合使用所需的技术架构，以及为什么混合方法优于纯粹的法学硕士解决方案。
Raj，您的电子数据交换分析器实现了 98% 的自动化，通过自动生成映射、可扩展样式表语言转换以及 X12、EDIFACT 和 IDoc 格式的可扩展标记语言，将几周的工作时间缩短到几分钟。是什么促使您使用混合方法而不是纯粹的大语言模型 (LLM) 或纯粹的基于规则的代码？
您作为端到端 GenAI 所有者，负责从问题定义到部署的整个过程。当业务团队、数据工程师和利益相关者中的大多数人不了解法学硕士的功能时，这种桥梁实际上是如何运作的？