نتایج یک نظرسنجی تازه نشان می‌دهد ۶۴.۵ درصد شرکت‌ها اعلام کرده‌اند که هوش مصنوعی را به‌طور فعال در محیط تولید (Production) استفاده می‌کنند. با این حال، تنها ۳۸.۱ درصد کیفیت داده‌های مستندات خود را «عالی» ارزیابی کرده‌اند؛ رقمی که به‌وضوح از وجود یک فاصله ساختاری میان «استفاده از AI» و «آمادگی اطلاعات» خبر می‌دهد.

کارشناسان معتقدند این اختلاف، پیامدهای قابل‌توجهی بر عملکرد مدل‌های هوش مصنوعی خواهد داشت. داده‌های سازمانی  شامل قراردادها، گزارش‌ها و مستندات داخلی منبع اصلی تغذیه سیستم‌های AI هستند و هرگونه ضعف در کیفیت آن‌ها، مستقیماً دقت و عملکرد این مدل‌ها را کاهش می‌دهد.

در بخش دیگری از گزارش، سازمان‌ها مهم‌ترین چالش‌های خود را ناهماهنگی فرمت‌ها، نبود استانداردسازی، کمبود ابزارهای اتوماسیون اسناد و پراکندگی داده‌ها عنوان کرده‌اند. این عوامل موجب می‌شود مدل‌های هوش مصنوعی به جای کار با ورودی‌های ساختارمند، با داده‌های ناقص یا ناهماهنگ مواجه شوند؛ مشکلی که خطای تحلیلی و کاهش اعتماد به خروجی‌ها را در پی دارد.

Apryse هشدار می‌دهد که سرعت بالای پذیرش فناوری AI در صنایع مختلف، نباید باعث نادیده گرفتن زیرساخت داده شود. طبق این گزارش، شرکت‌هایی که پیش از توسعه مدل‌های هوش مصنوعی، روی پاک‌سازی، سازماندهی و یکپارچه‌سازی داده‌ها سرمایه‌گذاری کرده‌اند، بازدهی به‌مراتب بالاتری تجربه کرده‌اند.

در جمع‌بندی، این نظرسنجی تأکید می‌کند که فناوری هوش مصنوعی به‌تنهایی کافی نیست و سازمان‌ها باید همزمان زیرساخت اطلاعاتی خود را ارتقا دهند. تقویت کیفیت اسناد، استقرار ابزارهای اتوماسیون و ایجاد جریان‌های مدیریت داده، سه اقدام کلیدی برای تبدیل AI به یک مزیت رقابتی پایدار معرفی شده است.



برای مشاهده جدیدترین اخبار، به پایگاه خبری هوش مصنوعی ایران مراجعه کنید.