Waarom AI niet succesvol kan zijn zonder IA

Data zijn de levensbron van iedere moderne organisatie – en een bron die hevig blijft stromen. Tegen 2025 zal, volgens IDC, de wereldwijde datacreatie een duizelingwekkende 180 zettabytes bereiken. Tegelijkertijd bouwen organisaties in een razend tempo aan Artificial Intelligence (AI) oplossingen. En daar zou het schoentje wel eens kunnen knellen. Want als organisaties er niet in slagen om die datatsunami goed te beheren, kunnen ze nooit op een succesvolle manier AI toepassen. Artificial Intelligence (AI) kan enkel een succes zijn als de data naadloos aansluit op de informatie-architectuur (IA).

Lees ook: 5 tips om meer te halen uit je data

Veel organisaties lopen tegen die uitdaging aan omdat ze afhankelijk zijn van verouderde data-architecturen. Ze worden geconfronteerd met een wildgroei van data en proberen tevergeefs om die ongelijksoortige datasilo’s te consolideren via datawarehouses of data lakes om die toch maar te kunnen centraliseren. Wat een goed idee lijkt, vormt net het probleem. Door die manier van werken word je geconfronteerd met langdurige processen om data voor te bereiden en te ordenen. En die aanpak vormt net een struikelblok om AI succesvol te kunnen toepassen. Het is daarom belangrijk om een robuuste en veilige informatie-architectuur (IA) te hebben voordat je begint met AI.

IA is de basis voor AI

Organisaties moeten weerstaan aan de lokgroep om direct met AI-experimenten te beginnen – en eerst bouwen aan een solide databasis. IA is de onderste laag van de piramide die nodig is om naar de AI-top te kunnen bouwen. Om een solide IA te realiseren, moeten organisaties rekening houden met drie cruciale elementen.

• Het eerste belangrijk punt is toegankelijkheid creëren. Door de datatsunami hebben organisaties nood aan snelle toegang tot gegevens die verspreid zijn over complexe hybride Cloud omgevingen.
• Ten tweede moeten ze rekening houden met governance. De data moet in de juiste context worden geplaatst en op een goede manier worden geclassificeerd. Op die manier krijgen organisaties relevante informatie van hoge kwaliteit.
• Tot slot spelen privacy en compliance een grote rol. Organisaties moeten persoonlijke en vertrouwelijke data identificeren en beschermen en alle regelgeving naleven. Enkel door dat van bij de start in te bedden, kan de gevoelige data ook veilig worden gebruikt voor AI en analytics.

Data fabric als nieuwe benadering

Om een antwoord te bieden op dit vraagstuk, introduceerden sommige organisaties een nieuwe benadering: de data fabric architectuur. Data fabric is een paradigmaverschuiving in de manier waarop bedrijven hun data gebruiken. Het abstraheert de technologische complexiteit die vaak gepaard gaat met zaken als dataverplaatsing, datatransformatie en data-integratie en geeft een overkoepelend beeld van gegevens die voorheen in afzonderlijke data lakes en warehouses zaten.

Dankzij een data fabric benadering, krijgen gebruikers toegang tot data uit silo’s op verschillende locaties of in meerdere clouds, zonder die te kopiëren of te verplaatsen. Dat biedt twee voordelen voor zowel dataeigenaars als datagebruikers. Eigenaars van data krijgen inzicht in hoe hun data gebruikt wordt en blijven die zelf beheren. Datagebruikers langs hun kant hebben meer vertrouwen op het niveau van beheer en privacy, hebben sneller toegang tot data en kunnen erop vertrouwen dat die juist is. Daardoor halen ze meer en sneller waarde uit hun data.

Het verandert totaal de manier waarop data-experts data pipelines kunnen maken en gebruiken. In plaats van het grootste deel van hun tijd te besteden aan data preparatie, kunnen inspanningen voor datamanagement worden geautomatiseerd. Daardoor kunnen gebruikers van data (o.a. data scientists) zich volledig richten op het verkrijgen van inzichten en het creëren van ML & AI modellen die vervolgens in applicaties worden opgenomen.

Sleutel voor succes

Data fabric kan voor veel bedrijven een performante oplossing zijn, op voorwaarde dat ze het proces op de juiste manier aanpakken. Bedrijven moeten zich zo organiseren dat ze kunnen evolueren op het moment dat het datalandschap verandert. Daarnaast maken ze best gebruik van open standaarden zodat externe en interne actoren gemakkelijker kunnen verbinden om de datastructuur te koppelen aan data binnen de gehele organisatie. Tenslotte is een continue databeheer nodig om compliant te zijn en de garantie te hebben dat de data accuraat en veilig is.

Kortom, een solide datastructuur is de sleutel voor digitale transformatie en vormt de basis voor succes met AI. Het is daarom noodzakelijk dat organisaties in het hart van hun digitale transformatietraject nadenken over hun IA-ontwerp en hoe die hun AI-initiatieven kan ondersteunen. AI kan namelijk niet succesvol zijn zonder IA!

Dit opiniestuk werd geschreven door Vicky Bunyard, CTO van IBM Benelux. De redactie van TechPulse Business is niet verantwoordelijk voor de inhoud.