După cum afirmă Bavesh Patel, vicepreședinte senior la Databricks, „calitatea acelei IA și cât de eficientă este acea IA depinde cu adevărat de informațiile din organizația ta.” Cu toate acestea, în multe companii, informațiile rămân fragmentate în sisteme moștenite, aplicații izolate și formate neconectate, ceea ce face aproape imposibil ca sistemele de IA să genereze rezultate de încredere și bogate în context. „Real, marele diferențiator competitiv pentru majoritatea organizațiilor sunt propriile lor date și apoi datele terțe pe care le pot adăuga”, spune Patel. Pentru ca IA enterprise să ofere valoare, datele trebuie consolidate în formate deschise, guvernate cu precizie și făcute accesibile între funcții. Fără această fundație, afacerile riscă o „IA teribilă”, așa cum o descrie Patel.
Aceasta înseamnă să treci dincolo de platformele SaaS izolate și tablourile de bord deconectate, către o arhitectură de date unificată și deschisă, capabilă să combine date structurate și nestructurate, să păstreze contextul în timp real și să impună controale riguroase de acces. Când fundația este construită corect, organizațiile pot avansa către rezultate măsurabile, deblocând eficiențe, automatizând fluxuri de lucru complexe și chiar lansând linii de afaceri complet noi. Această concentrare pe valoare este esențială, spune Rajan Padmanabhan, ofițer tehnologic unitar la Infosys, mai ales pe măsură ce întreprinderile caută precizie în rezultatele care conduc deciziile de afaceri.
În loc să trateze inițiativele de IA ca proiecte de inovare izolate, companiile de succes leagă implementarea IA direct de metricile de afaceri, folosind cadre de guvernanță pentru a determina ce aduce rezultate și ce ar trebui abandonat rapid. „Vedem această mare oportunitate doar cu alfabetizarea IA a utilizatorilor de afaceri, unde sunt foarte dornici să înțeleagă cum ar trebui să gândească despre IA”, adaugă Patel. „Ce înseamnă IA atunci când descoji straturile? Care sunt piesele și blocurile de construcție pe care trebuie să le pui la punct, atât din punct de vedere tehnologic, cât și al formării și al facilitării?”
Posibilitățile viitoare sunt substanțiale. Pe măsură ce agenții IA evoluează de la copiloți la operatori autonomi capabili să gestioneze fluxuri de lucru și tranzacții, organizațiile care vor câștiga sunt cele care construiesc fundația corectă acum. „Ceea ce vedem ca un nou mod de gândire este trecerea de la un sistem de execuție sau un sistem de implicare la un sistem de acțiune”, notează Padmanabhan. „Aceasta este noua cale pe care o vedem înainte.”
Viitorul IA în enterprise va fi determinat de capacitatea afacerilor de a transforma informațiile fragmentate într-un activ strategic capabil să alimenteze atât decizii mai inteligente, cât și moduri complet noi de operare. Megan Tatum, de la MIT Technology Review, subliniază că progresele recente în IA au deblocat aplicații industriale convingătoare, dar dependența de modele de date inadecvate face ca multe întreprinderi să se lovească de un zid. IA și în special IA agentică impun un set nou de cerințe asupra datelor: acces mai mare, context și garduri de protecție pentru a funcționa eficient. Modelele de date existente sunt adesea insuficiente, prea fragmentate sau izolate. Datele în sine nu au calitate. Pentru a reduce decalajul, este necesar un upgrade pregătit pentru IA.
Bavesh Patel explică: „Majoritatea întreprinderilor, datele lor sunt blocate în aceste aplicații și sisteme diferite. Și este foarte dificil să ai o imagine bună a ceea ce sunt toate datele mele, cât de demne de încredere sunt, cât de recente și proaspete sunt. Toate acestea sunt injectate în IA. Dacă nu ai o înțelegere corectă a datelor tale, capacitatea de a te asigura că sunt date exacte și care pot fi folosite pentru ca IA să le valorifice, vei ajunge de fapt să ai o IA teribilă. Vedem mulți clienți care petrec timp curățându-și datele, organizându-le, asigurându-se că sunt controlate corect accesul, iar acesta tinde să fie combustibilul unei IA bune.”
Rajan Padmanabhan completează: „Datele și IA sunt destul de sinonime. La fel, IA de consum și IA enterprise și IA agentică enterprise sunt diferite, deoarece, în primul rând, afacerea trebuie să aibă contextul. Acest context din informațiile enterprise, care nu sunt doar structurate, ci atât structurate, cât și nestructurate și conținut generat de utilizatori și toate formele de date, va fi foarte, foarte critic pentru a obține contextul corect și pentru a alege orice model. Acolo, platforme precum Databricks ajută cu multitudinea de modele sau dacă vrei să îți construiești propriile modele sau dacă vrei să ancorezi modelul pe baza datelor tale. Al treilea aspect critic, și acesta va fi de fapt unul dintre obstacolele în adoptarea IA, este precizia rezultatelor, deoarece iei decizii de afaceri – decizii de cumpărare, decizii de vânzare sau încerci să recomanzi ceva. Pentru aceasta, precizia este foarte critică. Vedem clienții noștri de succes care consideră că precizia de peste 92% nu este o aspirație, ci o necesitate.”
Pentru a construi un model de date pregătit pentru IA, Patel recomandă: „În primul rând, trebuie să pui mâna pe datele tale. Asigură-te că ai capacitatea de a pune datele într-un loc unde poți înțelege imaginea holistică a cât mai multor date posibil. Asta începe cu punerea datelor în formate deschise. O mulțime de date valoroase astăzi într-o organizație sunt blocate într-o aplicație SaaS proprietară sau într-un sistem, iar seturile de date nu sunt conectate între ele pentru a forma acel context. Primul pas este să faci o analiză a patrimoniului tău de date: care sunt piesele critice de date care trebuie puse într-un loc unde poți începe să le înțelegi și cum sunt conectate între ele. Gândește-te cum să configurezi catalogul de date, cum funcționează relațiile dintre activele de date, pune guvernanța datelor în jurul lor. Al doilea lucru este să nu mergi ad-hoc, să faci proiecte AI aleatorii. Trebuie să te gândești la valoarea de afaceri. Mulți clienți privesc AI mult mai strategic, vor să obțină proiecte pe tablă cu câștiguri și apoi să genereze valoare de afaceri. Construirea unei foi de parcurs a valorii AI, conectată la cât de bine sunt organizate datele tale, pare a fi fundamental pentru lansarea cu succes a AI în organizația ta.”
De ce este important:
Reconstruirea stivei de date pentru IA nu este doar o problemă tehnică, ci o necesitate strategică pentru orice organizație care dorește să rămână competitivă. Fără o fundație solidă de date, IA enterprise riscă să producă rezultate inexacte, să piardă încrederea utilizatorilor și să eșueze în atingerea obiectivelor de afaceri. Pe măsură ce IA agentică devine autonomă, capacitatea de a gestiona date unificate, guvernate și accesibile va separa liderii de restul. Investiția în infrastructura de date acum este esențială pentru a transforma informațiile fragmentate într-un activ strategic care alimentează decizii mai inteligente și noi moduri de operare.
