AIと生成AIの出現に伴い、データを巡る議論は新たな段階に入った。データとアナリティクス(D&A)のリーダーは、自社のデータがAI-Readyであることを証明し、AI-Readyなデータの需要に対応できるようにする必要がある。
この記事は会員限定です。会員登録(無料)すると全てご覧いただけます。
データ戦略は常に重要だ。だが、AIと生成AIの出現に伴い、データを巡る議論は新たな段階に入っている。Gartnerの調査によると、自社のデータは「AI-Ready」だと回答した企業は4%にすぎない。逆に言えば、自社のデータをAIに対応させて活用する準備ができていない企業が96%に上ることになる。
AIと従来のデータ管理におけるデータ要件の大きな違いを認識していない企業は、AIへの取り組みが失敗する恐れがある。データとアナリティクス(D&A)のリーダーは、自社のデータがAI-Readyであることを証明し、AI-Readyなデータの需要に効果的に対応できる必要がある。
AI-Readyなデータは、特定のユースケースを代表するデータでなければならない。特定用途向けのAIモデルのトレーニングまたは実行に必要な全てのパターン、エラー、外れ値、予期せぬアウトプットを含んでいる必要がある。データをAI-Readyにすることは、1回限りの作業ではなく、全てのデータについて事前に準備ができることでもない。継続的なプロセスと実践であり、データの適合性や適格性、ガバナンスを確保するためのメタデータが利用可能であることが前提となる。
データがAI-Readyであることを証明するには、D&AチームとAIチームは、パイロットプロジェクトを迅速に反復、統合し、AIユースケースの本格的な開発と運用における使用に適したデータを特定できる必要がある。D&Aリーダーは以下の推奨事項に取り組み、データをAI-Readyにする必要がある。
Copyright © ITmedia, Inc. All Rights Reserved.