Η έλλειψη δυνατοτήτων χρήσης δεδομένων ή ελέγχων ασφάλειας ευθύνεται για την αργή ανάπτυξη
Οι περισσότερες εταιρείες δεν είναι έτοιμες να αναπτύξουν τεχνητή νοημοσύνη σε κλίμακα, επειδή δεν διαθέτουν ισχυρή υποδομή δεδομένων ή τους ελέγχους που απαιτούνται για να διασφαλιστεί ότι η τεχνολογία χρησιμοποιείται με ασφάλεια, σύμφωνα με τον διευθύνοντα σύμβουλο της εταιρείας συμβούλων Accenture.
«Η πιο πολυσυζητημένη τεχνολογία του 2023 βρίσκεται σε πειραματική φάση στις περισσότερες εταιρείες και η μακροοικονομική αβεβαιότητα περιορίζει τις δαπάνες πληροφορικής», δήλωσε η Τζούλι Σουίτ στους Financial Times.
Στην ανακοίνωση των οικονομικών αποτελεσμάτων του τελευταίου τριμήνου, η Accenture ανέφερε άλλο ένα μεγάλο άλμα στα έσοδα από έργα γενετικής τεχνητής νοημοσύνης το τρίμηνο έως τις 30 Νοεμβρίου, με 450 εκατομμύρια δολάρια σε σύγκριση με 300 εκατομμύρια δολάρια τους προηγούμενους έξι μήνες. Ωστόσο, παραμένουν μικρές σε σχέση με τις γενικές πωλήσεις του ομίλου αξίας 64 δισεκατομμυρίων δολαρίων ετησίως.
Τα δεδομένα που δεν πρόλαβαν να «ωριμάσουν»
Τα εταιρικά στελέχη επιθυμούν να αναπτύξουν την τεχνολογία για να κατανοήσουν καλύτερα τα δεδομένα σε ολόκληρο τον οργανισμό ή να αυτοματοποιήσουν περισσότερο την εξυπηρέτηση πελατών, σχολίασε η Σουίτ. «Αυτό που θα το καθυστερήσει, όμως, είναι ότι οι περισσότερες εταιρείες δεν έχουν δυνατότητες ώριμων δεδομένων και αν δεν μπορούν να χρησιμοποιήσουν τα δεδομένα, τότε δεν μπορούν να χρησιμοποιήσουν ούτε ΑΙ. Τούτου λεχθέντος, σε τρία έως πέντε χρόνια αναμένουμε ότι αυτό θα είναι ένα μεγάλο μέρος της επιχείρησής μας».
Η Accenture και άλλοι συμβουλευτικοί όμιλοι έχουν υπερηφανευτεί για επενδύσεις πολλών δισεκατομμυρίων δολαρίων σε γενετική τεχνητή νοημοσύνη, συμπεριλαμβανομένης της πρόσληψης και εκπαίδευσης προσωπικού, με την ελπίδα ενός απροσδόκητου κέρδους από την ανάπτυξη της τεχνολογίας σε πελάτες σε όλο τον κόσμο.
Ανησυχίες για προστασία δεδομένων
Η Σουίτ τόνισε ότι τα στελέχη ήταν «συνετά» όσον αφορά την ανάπτυξη της τεχνολογίας, εν μέσω ανησυχιών σχετικά με τον τρόπο προστασίας των πληροφοριών και των δεδομένων πελατών, όπως και ερωτημάτων σχετικά με την ακρίβεια των αποτελεσμάτων από μοντέλα παραγωγής τεχνητής νοημοσύνης.
«Υπάρχει ένα κενό ανάμεσα στο να λες ότι είσαι αφοσιωμένος στην τεχνητή νοημοσύνη και στο να έχεις τα προγράμματα που το επιτρέπουν να είναι πραγματικά σε χρήση. Τα καλά νέα είναι ότι οι άνθρωποι δεν προσπαθούν να καλύψουν το χάσμα αυτό βιαστικά. Είναι προσεκτικοί στην ανάπτυξη της νέας αυτής τεχνολογίας και έτσι περιορίζει, βραχυπρόθεσμα, ορισμένες από τις ευκαιρίες κλιμάκωσης».
Η Σουίτ επισήμανε μάλιστα ότι αυτή η εταιρική σύνεση θα μπορούσε να κατευνάσει τους φόβους μήπως η ανάπτυξη της τεχνητής νοημοσύνης ξεπεράσει τις ανθρώπινες ικανότητες για την άσκηση του ελέγχου.
Πηγή: In.gr
