Sprzętowe niedobory

Na plany firm związane z AI może wpływać niedobór odpowiednich komponentów, a w rezultecie – sprzętu. Sztuczna inteligencja wymaga ogromnej pojemności obliczeniowej, z dużym naciskiem na procesory graficzne (GPU). W raporcie o niedoborze chipów Forrester zauważył, że dostawcy usług w chmurze i duzi dostawcy systemów mieli trudności z uzyskaniem wystarczającej liczby GPU, co oznacza, że nabywcy IT dla przedsiębiorstw mogą czekać do roku, aby uzyskać sprzęt, którego potrzebują.

Z kolei badanie firmy Edelman Data & Intelligence, która przeprowadziła dla AMD ankietę online wśród 2500 decydentów IT, wykazało, że wielu decydentów IT jest zaniepokojonych tym, czy ich sprzęt może poradzić sobie z obciążeniem, jakie wywołuje praca z rozwiązaniami sztucznej inteligencji. Ponad połowa (52 proc.) liderów IT stwierdziła, że ich organizacje nie mają infrastruktury IT do obsługi obciążeń związanych z sztuczną inteligencją. Badanie wykazało, że wierzą oni, iż pełne wbudowanie sztucznej inteligencji w systemy przedsiębiorstwa zajmie nawet pięć lat. Jeden z liderów IT w Wielkiej Brytanii, cytowany w ankiecie, powiedział: „Moim największym zmartwieniem jest potrzebny sprzęt”.

Ostrożnie z AI, czyli ostrzega nie tylko Forrester   

O tym, że źle wdrożona sztuczna inteligencja może przynieśc więcej problemów niż korzyści mówi również Red Hat. Producent zwraca uwagę na sześć możliwych do popełnienia błędów, kiedy to…

…AI jest “oderwana” od ogólnej wizji i strategii przedsiębiorstwa

AI w firmie nie może stanowić celu samego w sobie. Wdrażanie sztucznej inteligencji tylko dlatego, że „inni tak robią”, może prowadzić do marnowania zasobów i tworzenia chaosu organizacyjnego.

…brakuje “rozgrzewki”, czyli firma nie jest gotowa

Bez doświadczonego i wykwalifikowanego zespołu, jasnej strategii działania oraz odpowiedniej infrastruktury technologicznej, nawet najbardziej zaawansowane rozwiązanie AI będzie prowadziło do marnowania czasu i pieniędzy.

…firma w projekcie z AI posługuje się niepoprawnymi danymi, a w rezultacie otrzymuje źle działające modele

Sztuczna inteligencja nie powinna być wdrażana bez upewnienia się, że dane, którymi jest „karmiona”, są dokładne i wystarczająceBrak weryfikacji poprawności danych wykorzystywanych w modelach AI wywołuje efekt kuli śnieżnej

…bezpieczeństwo i prywatność nie traktowane priorytetowo

Podczas wdrażania AI ważne jest zapewnienie bezpieczeństwa i prywatności danych oraz całych systemów, w których są one przechowywane i przetwarzane. Ochrona przed nieautoryzowanym dostępem, niewłaściwym wykorzystaniem czy kradzieżą to kwestie, których przedsiębiorstwo nie może pomijać. Muszą być one uwzględniane już na etapie projektowania modeli sztucznej inteligencji. Pozornie anonimowe dane mogą zostać zdeanonimizowane przez sztuczną inteligencję.

…brakuje oceny skutków wdrożenia

Sztuczna inteligencja cały czas się uczy, co oznacza, że procesy, w których jest wykorzystywana, są dynamiczne i ewoluują. Regularne monitorowanie i ocenianie projektów bazujących na AI jest niezbędne, aby zapewnić ich prawidłowe funkcjonowanie i zwiększać wydajność firmy.

…pomija się opinię zespołu

Wdrażanie sztucznej inteligencji bez dobrze działającej pracy zespołowej doprowadzi raczej do porażki. Projekty wykorzystujące AI powinny brać pod uwagę wkład i informacje zwrotne od osób, na które wpływają i które będą z nich korzystać.

Źródło: wypowiedź Witolda Żukowskiego, Country Managera w Red Hat