Inga produkter i varukorgen.
7 hinder som du måste övervinna för att lyckas med AI-projektet
AI Det lönar sig att investera i AI-teknik enligt en ny undersökning från Snowflake. Men det finns ett antal hinder som många företag kämpar med.
Det lönar sig att investera i olika slags projekt som bygger på generativ AI – det visar en undersökning som AI-företaget Snowflake nyligen släppte. Enligt undersökningen ”Radical ROI of Generative AI” leder 92 procent av AI-investeringarna till att man uppnår roi, det vill säga att investeringen leder till ökad lönsamhet.
Någonting är fel
Du är inloggad som prenumerant hos förlaget Pauser Media, men nånting är fel. På din profilsida ser du vilka av våra produkter som du har tillgång till. Skulle uppgifterna inte stämma på din profilsida – vänligen kontakta vår kundtjänst.
Techtidningen premium
Läs vidare – starta din prenumeration
Redan prenumerant? Logga in och läs vidare.
– Det är ingen överraskning att företag som tidigt anammat AI redan ser positiv avkastning på sina investeringar. Men framgångsrik AI-implementering kräver en genomtänkt datastrategi. Nyckeln till framgång ligger i förmågan att effektivt samla, organisera och berika företagets data från både interna och externa källor, säger Per Enell, Sverigechef på Snowflake.
Snowflake-undersökningen omfattade 1900 chefer i nio olika länder i Europa, Asien och Nordamerika och 93 procent av de tillfrågade ansåg att deras AI-satsningar varit mycket, eller mestadels framgångsrika. Bland de positiva effekterna finns effektivisering, förbättrad kundupplevelse och högre innovationstakt.
Men AI-tekniken kommer också med ett antal utmaningar. För att verkligen lyckas maximera nyttan av sina AI-projekt gäller det bland annat att man lyckas övervinna ett antal databarriärer. I Snowflakes rapport lyfter man fram sju olika hinder som många organisationer stöter på:
- Oväntade kostnader: Så gott som alla tidiga användare av generativ AI rapporterar att deras AI-satsningar kostade mer än beräknat. Så många som 78 procent uppger att fler än hälften av deras generativa AI-projekt kostat mer än beräknat att driftsätta.
- Svårt att integrera data från olika källor: 64 procent av de tidiga användarna uppger att det är svårt att riva datasilos och integrera data från olika källor.
- Ostrukturerad data: Större mängden av den data som finns tillgänglig är ostrukturerad, vilket innebär att den måste organiseras för att kunna användas i olika AI-projekt. I Snowflake-rapporten uppger endast elva procent av deltagarna att mer än hälften av deras ostrukturerade data kan användas för att träna upp stora språkmodeller.
- Datastyrning: En majoritet av de tillfrågade, 59 procent, uppger att det är svårt upprätthålla regelverk för datastyrning, något som riskerar att leda till säkerhetsrisker.
- Kvalitetsgranskning av data: 59 procent uppger att man har svårigheter när det gäller att mäta och kvalitetsgranska den data som ska användas i AI-projekten.
- Datapreparering: en majoritet av deltagarna uppger att det är utmanande att preparera data för användning i AI-projekt, något som riskerar att leda till fördröjningar.
- Kapacitetsbrist: Drygt hälften av de som besvarade frågorna anser att det är svårt att möta kraven på beräkningskraft och lagringsutrymme som kommer med avancerade AI-projekt.
