详细内容或原文请订阅后点击阅览
人工智能需要强大的数据结构来提供商业价值
人工智能正在企业中快速发展，从实验到日常使用。组织正在跨财务、供应链、人力资源和客户运营部署副驾驶、代理和预测系统。最近的一项调查显示，到 2025 年底，一半的公司至少在三个业务职能中使用人工智能。但随着人工智能变得……
来源:MIT Technology Review _人工智能SAP Data & Analytics 总裁兼首席产品官 Irfan Khan 表示，如果没有这种背景，人工智能可以快速生成答案，但仍然会做出错误的决定。
“人工智能非常擅长产生结果，”他说。 “它进展很快，但没有背景就无法做出良好的判断，而良好的判断才能为企业创造投资回报。没有判断力的速度没有帮助。它实际上可能会伤害我们。”
在自主系统和智能应用的新兴时代，上下文层变得至关重要。 Khan 表示，为了提供背景信息，公司需要一个精心设计的数据结构，它的作用不仅仅是集成数据。正确的数据结构使组织能够安全地扩展人工智能，跨系统和代理协调决策，并确保自动化反映真实的业务优先级，而不是孤立地做出决策。
认识到这一点，许多组织正在重新思考他们的数据架构。他们不是简单地将数据移动到单个存储库中，而是寻找跨应用程序、云和操作系统连接信息的方法，同时保留描述业务如何运作的语义。这种转变正在推动人们对作为人工智能基础设施基础的数据结构越来越感兴趣。
失去上下文是一个关键的人工智能问题
传统的数据策略主要关注聚合。在过去的二十年中，组织投入了大量资金从操作系统中提取信息并将其加载到集中式仓库、数据湖和仪表板中。这种方法可以更轻松地运行报告、监控绩效并生成整个业务的见解，但在此过程中，数据附加的大部分含义（它与策略、流程和现实决策的关系）丢失了。