——CIO 的 AI 數(shù)據(jù)困局：為何“臟數(shù)據(jù)”反而是好數(shù)據(jù)？
傳統(tǒng) IT 追求完美數(shù)據(jù)，但 AI 卻偏愛充滿噪音的“真實(shí)世界亂碼”。CIO 們必須打破思維定勢：允許 AI 攝入不完美的、混亂的甚至帶有拼寫錯(cuò)誤的數(shù)據(jù)，只要它符合業(yè)務(wù)算法的真實(shí)邏輯。
為避免預(yù)算超支與項(xiàng)目延期，CIO 不能再把耗時(shí)費(fèi)力的 AI 數(shù)據(jù)清洗工作“藏”起來。必須向 CEO 坦白并將其作為獨(dú)立的戰(zhàn)略項(xiàng)目申請預(yù)算，畢竟，前期省下數(shù)據(jù)準(zhǔn)備的錢，后期就會(huì)為 AI 的致命幻覺買單。
高效的AI系統(tǒng)通常需要與傳統(tǒng)數(shù)據(jù)管理標(biāo)準(zhǔn)相悖的數(shù)據(jù)。要讓這些標(biāo)準(zhǔn)適應(yīng)AI，意味著需要采用新的實(shí)踐和政策以及新的投資。
圖源：insta_photos / Shutterstock
為AI獲取正確數(shù)據(jù)是首席信息官從AI計(jì)劃中取得成功的關(guān)鍵，這一點(diǎn)很明確。不那么明確的是，鑒于AI數(shù)據(jù)使用的特性，這一過程具體涉及什么以及如何為基礎(chǔ)性工作提供資金以確保組織擁有對AI"有益"的數(shù)據(jù)。
問題在于，AI使用的數(shù)據(jù)是許多傳統(tǒng)應(yīng)用不使用的且最適合AI工作流程的數(shù)據(jù)并不總是質(zhì)量最高的。相反，讓AI數(shù)據(jù)"良好"的因素在于它是否符合使用它的業(yè)務(wù)用例和算法的具體需求。因此，使用不完整或"不完美"的數(shù)據(jù)可能完全沒問題——只要它符合用例。
首席信息官應(yīng)該關(guān)注這個(gè)數(shù)據(jù)困境嗎？是的，有兩個(gè)原因：
首先，IT數(shù)據(jù)分析師必須重新調(diào)整方向，為AI生成"正確"的數(shù)據(jù)，即使這些數(shù)據(jù)從傳統(tǒng)標(biāo)準(zhǔn)來看似乎“錯(cuò)誤”。這將需要修訂數(shù)據(jù)管理工作實(shí)踐，并對負(fù)責(zé)AI工作的數(shù)據(jù)分析師進(jìn)行一定的重新定位。
其次，任何數(shù)據(jù)工作，無論是用于傳統(tǒng)應(yīng)用還是AI，都需要時(shí)間和資源。這是一項(xiàng)基礎(chǔ)設(shè)施級(jí)別的工作，首席執(zhí)行官和高級(jí)管理層等“外部人員”無法看到其具體價(jià)值。那么首席信息官如何解釋為AI進(jìn)行這種新數(shù)據(jù)準(zhǔn)備工作的必要性并獲得執(zhí)行預(yù)算呢？
一、接受AI數(shù)據(jù)質(zhì)量的悖論
機(jī)器學(xué)習(xí)工程師和數(shù)據(jù)分析師Isha Khatana（伊莎·卡塔納）表示："在生產(chǎn)級(jí)AI中，干凈的數(shù)據(jù)很少見，但有價(jià)值的數(shù)據(jù)無處不在。Khatana（卡塔納）接著說："構(gòu)建更智能的AI系統(tǒng)在于接受這樣的現(xiàn)實(shí)：充滿錯(cuò)別字的日志、隨機(jī)凍結(jié)的傳感器讀數(shù)、每月更改的類別名稱以及被來自不同團(tuán)隊(duì)的人員手動(dòng)調(diào)整的數(shù)值。"
這種不穩(wěn)定性與面向傳統(tǒng)IT系統(tǒng)的數(shù)據(jù)管理和治理實(shí)踐背道而馳——可能讓首席信息官感到棘手。然而，如果AI需要從各種不同的數(shù)據(jù)源中獲取數(shù)據(jù)，這些數(shù)據(jù)可能并未得到充分的整理，那么不一致和波動(dòng)的數(shù)據(jù)就是現(xiàn)實(shí)。正如Khatana（卡塔納）從自己的經(jīng)驗(yàn)中觀察到的："真實(shí)數(shù)據(jù)是混亂的，真正的影響力來自于無論如何都要理解它。"
那么首席信息官如何理解不完整或混亂的數(shù)據(jù)？首先，向AI利益相關(guān)者和管理層解釋，AI使用的數(shù)據(jù)在IT傳統(tǒng)設(shè)定的數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn)方面絕非"正常"——并且，使用不完美數(shù)據(jù)對AI來說是必要的，因?yàn)槿绻鸄I要全面掌握其主題領(lǐng)域，就必須用"現(xiàn)有的"和相關(guān)的一切數(shù)據(jù)來全面了解。
關(guān)于AI如何使用非標(biāo)準(zhǔn)數(shù)據(jù)的這一解釋很重要，因?yàn)樘幚矸菢?biāo)準(zhǔn)數(shù)據(jù)將需要數(shù)據(jù)分析師為AI準(zhǔn)備數(shù)據(jù)時(shí)采用不同的數(shù)據(jù)管理實(shí)踐和技能。因此，首席執(zhí)行官和其他業(yè)務(wù)利益相關(guān)者將在AI項(xiàng)目中看到新的數(shù)據(jù)準(zhǔn)備任務(wù)出現(xiàn)，這些新任務(wù)將消耗時(shí)間、資源和資金。由于大多數(shù)這些利益相關(guān)者將數(shù)據(jù)準(zhǔn)備視為非增值的繁重工作，他們不會(huì)喜歡所看到的。
這將由首席信息官向利益相關(guān)者解釋為什么AI處理不同類型時(shí)需要以不同方式準(zhǔn)備的數(shù)據(jù)。強(qiáng)調(diào)這種數(shù)據(jù)準(zhǔn)備"繁重工作"必要性的一種方法是指出——如果AI系統(tǒng)因不完美的算法或未經(jīng)適當(dāng)準(zhǔn)備的數(shù)據(jù)而交付錯(cuò)誤結(jié)果，將給公司帶來風(fēng)險(xiǎn)。
二、為每個(gè)AI項(xiàng)目量身定制數(shù)據(jù)準(zhǔn)備方案
每個(gè)AI項(xiàng)目在數(shù)據(jù)準(zhǔn)備方面都是獨(dú)特的，但可以應(yīng)用一些總體指導(dǎo)原則。
首先要承認(rèn)的是，由于AI數(shù)據(jù)來源多樣化，輸入AI的一些數(shù)據(jù)可能不夠完美。一個(gè)直接依賴于所攝入數(shù)據(jù)的自動(dòng)機(jī)器學(xué)習(xí)函數(shù)，不一定需要篩選這些數(shù)據(jù)以確保其準(zhǔn)確性，這是第一個(gè)例子；另一個(gè)例子是依賴傳感器生成數(shù)據(jù)的AI系統(tǒng)。在某些情況下，這些數(shù)據(jù)會(huì)是噪聲——需要將其去除。在其他情況下，例如為開發(fā)疫苗而對分子進(jìn)行建模，來自全球研究的大量數(shù)據(jù)可能需要有意將收集管道縮小，僅收集明確提及所研究分子名稱的研究。
這是AI治理工作，它需要一套超越傳統(tǒng)提取、加載和轉(zhuǎn)換數(shù)據(jù)的數(shù)據(jù)分析技能，并且還要評(píng)估數(shù)據(jù)在AI環(huán)境中的不同類型的使用。
三、將AI數(shù)據(jù)準(zhǔn)備任務(wù)"項(xiàng)目化"
AI項(xiàng)目經(jīng)理可能會(huì)傾向于將數(shù)據(jù)準(zhǔn)備工作"隱藏"到其他AI任務(wù)中，以使數(shù)據(jù)"繁重工作"不可見。不幸的是，這會(huì)導(dǎo)致項(xiàng)目截止日期被錯(cuò)過和成本超出預(yù)算。
最好與管理層坦誠溝通對特殊AI數(shù)據(jù)準(zhǔn)備的需求，并將數(shù)據(jù)準(zhǔn)備任務(wù)納入AI項(xiàng)目計(jì)劃。大多數(shù)首席執(zhí)行官都會(huì)理解——因?yàn)闆]有人希望因?yàn)锳I出錯(cuò)而造成代價(jià)高昂的業(yè)務(wù)失誤和公關(guān)尷尬。
