Chất lượng dữ liệu kém khiến các dự án AI thất bại

Để cho ra báo cáo này, Wakefield đã thực hiện một nghiên cứu định lượng đối với 300 nhà lãnh đạo dữ liệu và phân tích tại các doanh nghiệp, cùng với hơn 2500 nhân viên tại Hoa Kỳ, Vương quốc Anh, Đức, Đan Mạch, Thuỵ Điển và Na Uy. Các doanh nghiệp đã được hỏi về sự tiến bộ của họ trong việc thiết lập văn hoá ra quyết định dựa trên dữ liệu và những thách thức họ tiếp tục phải đối mặt.

Theo Alation, 87% các chuyên gia nói rằng những thành kiến cố hữu trong dữ liệu được sử dụng cho hệ thống AI của họ khiến các kết quả phân biệt đối xử, tạo ra những rủi ro tuân thủ cho tổ chức. Những người tham gia khảo sát đã chỉ ra nhu cầu cho việc quản lý và giám sát, hiểu và làm việc với dữ liệu, và các dữ liệu từ nhiều nguồn đa dạng hơn.

Việc thiếu sự tham gia của giám đốc điều hành cũng được coi là lý do hàng đầu khiến AI không được sử dụng hiệu quả tại các tổ chức, với 55% người được hỏi cho rằng điều này quan trọng hơn việc thiếu nhân viên có kỹ năng tạo ra các mô hình AI. Khi nói đến các vấn đề về chất lượng dữ liệu, các chuyên gia dữ liệu cho biết các tiêu chuẩn không nhất quán trong việc thu thập dữ liệu, các vấn đề tuân thủ và quyền riêng tư, việc thiếu dân chủ hoá hoặc quyền truy cập vào dữ liệu là ba nguyên nhân phổ biến nhất.

Như Neha Singh – Phó chủ tịch về đổi mới và tăng trưởng của Broadridge – đã lưu ý trong một bài viết gần đây, nhiều công ty cố gắng phát triển các giải pháp AI mà không có hồ dữ liệu sạch, tập trung hay một chiến lược để quản lý chúng một cách chủ động. Nếu không có viên gạch quan trọng này để đào tạo các giải pháp AI thì độ tin cậy, tính hợp lệ và giá trị kinh doanh của bất kỳ giải pháp AI nào cũng có thể bị hạn chế. McKinsey ước tính rằng các công ty có thể đang lãng phí tới 70% nỗ lực làm sạch dữ liệu của họ.

Các doanh nghiệp đã triển khai AI đề cập đến các kỹ năng mô hình tốt hơn giữa các nhà phân tích, lập danh mục dữ liệu để hiển thị và quyền truy cập vào dữ liệu, cùng với khả năng thu thập đám đông như những cách để chống lại thiên kiến trong AI. Khoảng một phần ba (31%) nói rằng dữ liệu không đầy đủ là vấn đề hàng đầu dẫn đến việc AI thất bại.

Các phát hiện có cùng ý kiến với những khảo sát khác, cho thấy mặc dù AI được đón nhận nhiệt tình nhưng các doanh nghiệp vẫn gặp khó khăn trong việc triển khai các sản phẩm AI. Theo Gartner, việc sử dụng AI trong kinh doanh đã tăng 270% trong vòng 4 năm qua, trong khi Deloitte cho biết 62% người được hỏi trong báo cáo tháng 10 năm 2018 của công ty đã ứng dụng một số dạng AI, tăng từ 53% vào năm 2019. Nhưng việc ứng dụng không luôn luôn gặp thành công với khoảng 25% công ty đã có một nửa số dự án AI bại.

“Để đánh giá mức độ sẵn sàng cho AI, trước tiên phải nhìn vào vai  lớn hơn của dữ liệu trong tổ chức – một ngôn ngữ mà một số công ty đang phải vật lộn để học và kiểm soát”, báo cáo viết. “Vẫn còn một khoảng cách lớn giữa những người giàu và người nghèo; việc triển khai thành công AI giữa những người giàu và sự thất bại hay việc triển khai bị gián đoạn của số còn lại sẽ chỉ làm khoảng cách này rộng hơn.  Các công ty nên tự hỏi bản thân xem liệu họ đã có kế hoạch đúng đắn để trở thành một tổ chức dựa trên dữ liệu nhiều hơn và điều đó thực sự trông như thế nào trong thực tế.”

Doanh nghiệp cần tìm đơn vị thu thập – cung cấp dữ liệu phục vụ dự án Trí tuệ nhân tạo vui lòng liên hệ chúng tôi!

Hotline: 092.605.1999

Email: [email protected]