アーティスト: Keith Belanger アーティスト: Keith Belanger AI プロジェクトは、データ チームが取り組むことができるようになったデータの問題を表面化する方法を持っています. それは、分析データが広範なエラーマークを許可し、AI は単にそうではありません. AI モデルは曖昧さを許さず、機械のスピードで行われる決定は、上流に隠されたすべての欠点を拡大します. かつて静かに失敗したものは、今では大声で失敗し、しばしば公開されています. AIの失敗は、実際には既存の操作の弱点を明らかにしています。不快な真実は、ほとんどのデータ組織は、プラットフォームがどれほど近代的であろうと、モデルがどれほど洗練されたものであろうと、AIのための準備が整っていないということです。 パイプラインが変わったため、最初のモデル再訓練が失敗したとき、昨日のデータが今日のデータと異なる理由を誰も説明できないとき、あるいは「単に再起動するだけ」が生産問題に対するデフォルトの応答になるとき、あなたはそれを見ることができます。 さらに、「データに問題がある場合、そのデータはAIの準備ができていない」と述べた。 ガートナー ガートナー データチームには新しいオペレーティングモデルが必要 何年もの間、ほとんどの組織は脆弱な妥協で暮らしていました。パイプラインがたまに壊れたら、期限を満たすために間に合うことができました。「十分に良い」データの品質は十分でした。 そのモデルは、複雑さを吸収するために、システムではなく人間に頼っていた。 ヒロインによって補償された:手動のチェック、夜遅く、および制度的記憶が非公式に人から人へと伝わった。 Data teams データチーム 分析データ時代のアプローチは、配信が週刊リリースから1日あたりの複数の展開に移行する際に崩壊します。 モデルはデータを継続的に消費し、一貫性を仮定し、小さな偏差さえ強化する。 「AI-Ready」は達成可能で測定可能 組織はもはや、信頼やツールに基づいて準備を宣言することができなくなり、生産における継続的な検証、ラインアップ、スコアリング、ルール、および執行によってそれを示し始める必要があります。 「AI-ready」は単なる感覚ではなく、測定可能な状態です。 
 
 
 
 
 
 信頼性 タイムリー 支配 観察 再生可能 このデータ品質の進化には、善意やベストプラクティック文書以上のものが必要です. It requires systems designed to enforce reliability by default that can deliver continuous evidence of data reliability. このデータ品質の進化には、データの信頼性の継続的な証拠を提供できるように設計されたシステムが必要です. The Real Bottleneck Is Operational, Not Technological(本物のボトルネックは操作的で、技術的ではない) ほとんどの企業はすでに強力なデータプラットフォームを持っており、AIの速度でこれらのプラットフォームを一貫性を持って運用化する方法が欠けている。 手動プロセスは、人間が与えるだけの注意を払っているため、スケールしない。 AIのワークロードには、今日データが昨日と同じように振る舞うという繰り返し性と信頼性が必要であり、そうでないとすぐにマークされ、修正されます。 
 
 ソフトウェアエンジニアリングは数年前にこの問題に直面しました。システムがより複雑になり、リリースサイクルが加速し、マニュアルプロセスと人間の警戒がスケーリングを停止しました。 ソフトウェアエンジニアリングは数年前にこの問題に直面しました。システムがより複雑になり、リリースサイクルが加速し、マニュアルプロセスと人間の警戒がスケーリングを停止しました。 DataOps は、21 世紀にソフトウェア チームをカタパルトするのに役立ったデータ チームと同じ操作の厳格さを提供しています。 データは現在、同じ転換点にあります。 データは現在、同じ転換点にあります。 信頼の運用化が進む唯一の道 AIで成功する組織は、 . treat data trust as an operational discipline データ信頼を運用規律として扱う つまり、データパイプラインは継続的に観察され、自動的に管理され、AI対応の生産で証明される必要があります。 . データ製品 データ製品 モデルは生産に停滞し、出力に対する信頼は腐敗し、チームは彼らが構築したシステムを信頼するのをやめます。 AI moment by embracing(抱きしめながら) そして、AIのスピードで信頼を提供するように設計されたシステムでデータを操作化します。 DataOps 規律 DataOps 規律 
 
 この記事は、HackerNoonのビジネスブログプログラムに掲載されました。 この記事は、HackerNoonのビジネスブログプログラムに掲載されました。 この記事はHackerNoonの記事に掲載されました。 . ビジネスブログプログラム ビジネスブログプログラム ビジネスブログプログラム

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Tour The Product

Take A Hands-On Lab

Get 500 monthly minutes Free

Training Academy

Read The Docs

Join The Community

このオーディオは、ストーリーの元の言語で制作されています。

AIは「十分に良い」データ操作の脆弱性を暴露

About Author

コメント

ラベル

この記事は

Related Stories

目に見えない層: ユーザーインタビューがかけがえのない資産である理由

フォーラムからフィードへ: ソーシャルメディアアルゴリズムがデジタルインタラクションを形作る仕組み

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

フロキのヴァルハラがインドのスリランカツアーのアソシエイトスポンサーに加わる

目に見えない層: ユーザーインタビューがかけがえのない資産である理由

フォーラムからフィードへ: ソーシャルメディアアルゴリズムがデジタルインタラクションを形作る仕組み

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

フロキのヴァルハラがインドのスリランカツアーのアソシエイトスポンサーに加わる

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps