Компании все чаще сталкиваются не с нехваткой AI-инструментов, а с трудностями их внедрения в уже существующую инфраструктуру. Организации пытаются встроить AI в повседневные процессы, связать его с текущими системами и получить понятный результат. На практике этому мешают разрозненные данные, сложная интеграция и требования к управлению технологиями.
Как пишет ITPro, многие компании уже инвестировали в пилотные AI-проекты и proof-of-concept, но масштабировать такие инициативы оказалось сложнее, чем ожидалось. Главные проблемы связаны не с самими моделями, а с их интеграцией в рабочие процессы, меняющимися требованиями к governance и сложностью привязки AI-инициатив к конкретным бизнес-задачам.
Отдельный вопрос касается данных. По данным исследования, 49% организаций в Великобритании не хватает внутренних компетенций для интеграции AI с существующими аналитическими и BI-системами. Еще 37% называют серьезным препятствием пробелы в интеграции данных в реальном времени. В материале отмечается, что компании все чаще ищут партнеров, которые могут наладить качество данных, связать разрозненные системы и выстроить процессы управления AI.
Авторы также отмечают рост сложности IT-ландшафта. Большинство компаний одновременно используют несколько облачных платформ, приложений, аналитических сервисов и AI-инструментов от разных поставщиков. Поэтому заказчики ждут гибкости и совместимости, без необходимости отказываться от уже сделанных инвестиций.
Ключевые факты
49% организаций в Великобритании сообщили о нехватке внутренних навыков для интеграции AI с аналитическими и BI-системами
37% компаний считают серьезным препятствием пробелы в интеграции данных в реальном времени
Многие организации уже инвестировали в AI-пилоты и proof-of-concept, но столкнулись с трудностями при масштабировании
Компании одновременно используют несколько облачных платформ, приложений, аналитических сервисов и AI-инструментов от разных поставщиков