IBM Watsonx.Data: rationalisation de la pile de données de l'IA d'entreprise

IBM positionne Watsonx.Data comme plate-forme pivot pour les entreprises visant à accélérer la livraison de solutions d'IA génératives précises et évolutives. Ceci est réalisé en simplifiant l'infrastructure Data-for-AI complexe via une architecture hybride ouverte. Cet article explore les obstacles rencontrés dans l'adoption de l'IA d'entreprise et comment IBM exploite Watsonx.Data pour surmonter ces défis, ajoutant finalement de la valeur aux opérations quotidiennes.

(Remarque: IBM est un client consultatif de mon entreprise, Moor Insights & Strategy.)

Naviguer dans le paysage génératif de l'adoption de l'IA

Avant de plonger dans les spécificités dévoilées à IBM Think, il est crucial de comprendre les problèmes de base de Watsonx.Data. Alors que l'adoption des entreprises de l'IA générative se développe rapidement, de nombreuses organisations découvrent que leurs environnements de données existants sont mal équipés pour les demandes de l'IA. IBM souligne que moins de 1% des données d'entreprise sont actuellement utilisées pour une IA générative, environ 90% n'étant pas structurés et dispersés sur divers emplacements, formats et plateformes. Contrairement à la croyance commune, le principal obstacle au succès génératif de l'IA n'est pas les co?ts d'inférence ou l'optimisation du modèle; Ce sont les données elle-même.

De nombreuses entreprises adoptent des stratégies génératrices d'IA défectueuses, hiérarchisant le développement des applications par rapport aux défis fondamentaux des données qui entravent les performances du modèle. L'IA très performante et précise nécessite des données fiables et spécifiques à l'organisation. Cependant, de grandes quantités de données non structurées - résidant dans des e-mails, des documents, des présentations et des vidéos - restent inaccessibles aux modèles de langue importants et aux outils d'IA génératifs au sein de nombreuses entreprises.

Le dynamisme inhérent, la fragmentation, le manque d'étiquettes claires et les besoins d'interprétation contextuels de données non structurés posent des défis importants. La génération auprès de la récupération, efficace pour la récupération structurée des connaissances, s'avère inefficace lors de la tentative d'extraction et d'harmonisation des informations non structurées à grande échelle. En outre, le lac de données décousu, l'entrep?t, l'outil de gouvernance et les piles de plate-forme d'intégration au sein des entreprises ajoutent de la complexité au lieu de rationaliser les processus.

Cela représente une opportunité manquée importante, car tirer parti des données internes d'entreprise pour l'IA pourrait donner une immense valeur à relever des défis organisationnels spécifiques. Comme l'a noté Edward Calvesbert, vice-président de la gestion des produits Watsonx d'IBM, la différenciation découle de l'utilisation de données d'entreprise propriétaires dans les applications et les systèmes pour générer des résultats tangibles.

Watsonx.Data: un catalyseur pour l'adoption de l'IA

La solution stratégique d'IBM au problème de données non structurées de l'entreprise est Watsonx.Data. S'appuyant sur son lancement en 2023, IBM Think a présenté une Watsonx.Data de nouvelle génération - une maison de données ouverte hybride avec des capacités de tissu de données. Les principales innovations incluent l'intégration Watsonx.Data, simplifiant l'accès et la gestion de divers formats de données et Watsonx.Data Intelligence, en utilisant l'IA pour automatiser la conservation des données, la gestion et la gouvernance. En attendant l'acquisition de DataStax, IBM prévoit d'intégrer les capacités de base de données NOSQL et vectorielles de DataSax pour améliorer davantage la gestion des données non structurées dans WatsonX.Data.

L'architecture Watsonx.Data hitifile la séparation du stockage et de l'informatique, prend en charge des formats ouverts comme Apache iceberg et Presto, permet le déploiement hybride dans les environnements cloud et local et s'intègre profondément aux outils de gouvernance et de sécurité. IBM vise à permettre aux entreprises d'ingestion, de gouverner et de récupérer des données structurées et non structurées à grande échelle. Selon IBM, cela pourrait conduire à des applications d'IA génératives et à des modèles d'IA agentiques qui sont 40% plus précis, performants et plus rapides. Calvesbert souligne le passage de la récupération des informations aux résultats d'IA percutants, précis et évolutifs.

Intégration DB2 d'IBM avec Watsonx

IBM continue de moderniser DB2, intégrant les capacités Watsonx directement dans DB2 12.1 pour améliorer l'automatisation alimentée par l'IA. L'assistant de base de données, un outil en langage naturel agissant en tant que conseiller en temps réel pour les ADD, aide à la surveillance des performances, au diagnostic des problèmes et à l'optimisation du système.

DB2 Version 12.1.2 élargit son r?le dans la stratégie de données hybride IBM, prête à l'AI. Il soutient désormais nativement l'intégration des vecteurs et la recherche de similitude, accélérant le développement d'applications d'IA qui combine des sources de données structurées et non structurées. Grace à Watsonx.Data, les charges de travail DB2 participent à des pipelines d'IA avec une gouvernance partagée, des métadonnées unifiées et un accès fédéré. Prise en charge des formats de table ouverts (Apache iceberg) et intégration avec les bases de données vectorielles pont des données structurées et non structurées, transformant DB2 d'une base de données relationnelle traditionnelle en un élément fondamental de la pile AI d'entreprise, soutenant l'automatisation, l'observabilité et l'évolutivité à travers les environnements hybrides.

Succès de réussite du monde réel watsonx.data

Au milieu du scepticisme entourant l'impact du monde réel de l'IA, IBM présente les résultats commerciaux mesurables dans diverses industries. Banfast, une grande entreprise de construction suédoise, a réduit les données manuelles de 75% utilisant Watsonx.Data, améliorant la santé et la sécurité des travailleurs. Une société américaine de services financiers a économisé 5,7 millions de dollars en créant une vue unifiée des données informatiques opérationnelles, permettant un accès en libre-service, une gouvernance cohérente et un traitement automatisé.

Un client de fabrication mondiale, en collaboration avec IBM et EY, a automatisé l'ingestion et la consolidation des données fiscales indirectes dans 34 systèmes source dans 73 pays, améliorant l'efficacité de la conformité. Le produit conjoint IBM et EY, EY.AI pour la taxe, intègre l'expertise fiscale d'EY à la technologie d'IBM d'IBM, y compris Watsonx.Data. Dans Sports and Media, IBM s'associe à l'US Open et aux Masters, traitant des millions de points de données en temps réel pour générer des informations sur l'IA. Ces déploiements montrent comment Watsonx.Data modernise l'infrastructure de données, permettant des informations plus rapides, une plus grande efficacité opérationnelle et une différenciation concurrentielle pour les entreprises d'échelle des initiatives d'IA.

Défis et considérations pour Watsonx.Data

Alors que Watsonx.Data offre une approche prometteuse à la gestion des données d'entreprise, des défis demeurent, en particulier pour les organisations au début de leurs voyages de modernisation des données. L'intégration de données non structurées et structurées dans les environnements cloud et sur site reste complexe. Données à l'étalement, aux politiques de gouvernance incohérentes et aux silos internes peuvent entraver l'adoption. Même avec une plate-forme unifiée, la préparation des données pour l'IA - garantissant qu'elle est propre, étiquetée et digne de confiance - nécessite des efforts importants.

La préparation organisationnelle est un autre facteur clé. Les équipes peuvent manquer de compétences ou de processus pour utiliser pleinement les capacités de Watsonx.Data, en particulier dans l'alignement des équipes de gestion des données et d'application d'IA. Le co?t et la complexité opérationnelle sont également des considérations. Le déploiement de Watsonx.Data dans un environnement hybride avec plusieurs composants nécessite une intégration minutieuse et une coordination continue entre les équipes.

Malgré ces défis, l'impact commercial potentiel est substantiel pour les organisations qui naviguent avec succès à ces obstacles. Watsonx.Data relie les systèmes cloisonnés, réduit la dépendance aux solutions ponctuelles et optimise l'utilisation de données internes, en particulier les 90% souvent inigées des données non structurées. Cependant, le succès nécessite plus qu'une simple technologie; Il nécessite une coordination transversale, une propriété claire de la qualité des données et une approche réaliste de la transition du pilote à la production.

La position d'IBM est claire: la résolution des défis de données est primordiale pour réaliser le plein potentiel de l'IA à grande échelle. Pour les clients, la décision ne concerne que les outils; Il s'agit de leur volonté de préparer efficacement leurs données.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!