استفاده از هوش مصنوعی مولد برای بازنگری کلی یکپارچه سازی داده ها؟ از اینجا شروع کنید

GenAI فرصتی برای ایجاد یکپارچه سازی داده ها و اتوماسیون فرآیندهای کسب و کار نه تنها برای پیاده سازی آسان تر، بلکه برای کارکنان غیر فنی قابل دسترسی است. این برای تیم های IT تسکین دهنده است.

رهبران فناوری—وقت آن است که خود را در اولویت قرار دهید. واقعاً.

می‌خواهم مکث کنید، لحظه‌ای وقت بگذارید و به این فکر کنید که بخش‌های فناوری اطلاعات تنها در سه سال گذشته چقدر مهم، حیاتی و متکی بر آن بوده‌اند. از جابجایی به محل کار از خانه تا بازگشت به محیط های اداری و ترکیبی محل کار، معرفی هوش مصنوعی مولد—از طریق ChatGPT—از صفر تا ۱۰۰ میلیون کاربر فعال در دو ماه< /a>، و فشار مداوم برای گنجاندن هوش مصنوعی و اتوماسیون در فرآیندهای تجاری)، شغل شما هیچ چالشی کم ندارد. و طبق گفته این CTO، موارد بیشتری در راه است.

پس آن لحظه ذن را در نظر بگیرید و این ضرب المثل را در نظر بگیرید که نمی توانید از یک فنجان خالی بریزید. قبل از اینکه بتوانید به دیگران کمک کنید، ابتدا باید جلیقه نجات خود را بپوشید. منظور من لزوماً به معنای واقعی کلمه نیست، اگرچه شما را تشویق می کنم، خواننده عزیز، مواظب خودت باش.

از آنجایی که در حال بررسی این موضوع هستید که چگونه دسته‌ای از پیشرفت‌های فن‌آوری جدید، اهداف شرکت و اولویت‌های مصرف‌کننده را بپیچید، چگونه می‌توانید به این مناسبت دست پیدا کنید و تأثیر بگذارید؟ از خانه شروع کنید. ابتدا، مطمئن شوید که تیم‌های فناوری شما آنچه را که نیاز دارند، دارند، و فنجان‌هایشان پر است و ماسک‌های اکسیژن با خیال راحت روی آن‌ها قرار دارند، تا بتوانند بقیه سازمان را برای سازگاری توانمند کنند.

تکنولوژی اکنون کار همه است

همانطور که Deloitte می گوید، «تکنولوژی به کار همه تبدیل شده است.” اکثر موقعیت‌ها – بدون توجه به صنعت، عملکرد یا سطح ارشد – اکنون به یک سطح پایه از دانش فنی و درک اولیه داده‌ها و تجزیه و تحلیل نیاز دارند.

و این تا حدی به این دلیل است که پشته فناوری متوسط ​​بسیار گسترده شده است. این ارقام را در نظر بگیرید:

• شرکت ها به طور متوسط ​​از ۳۶۴ برنامه استفاده می کنند
• هر تیم از حدود ۴۰ تا ۶۰ برنامه استفاده می کند
• بیش از نیمی (۵۶%) از برنامه‌های SaaS تحت مالکیت یا مدیریت بخش فناوری اطلاعات شرکت نیستند

چه بخش‌های فناوری اطلاعات در فعال‌سازی هر ابزاری دخیل باشند یا نه، اغلب به هر طریقی از آن‌ها پشتیبانی می‌کنند. ناگفته نماند کاری که برای ادغام همه این سیستم ها با هم برای استانداردسازی عملیات و گزارش از منبع “صداقت داده ها” انجام می شود، لازم نیست. در واقع، طبق یک گزارش نظرسنجی در مورد اینکه چگونه اقتصاد بر حجم کاری معمولی فناوری اطلاعات تأثیر گذاشته است، پاسخ دهندگان نشان دادند که ۴۸% از وقت خود را صرف یکپارچه سازی برنامه ها و پلتفرم های جدید می کنند.

نتیجه نهایی این است که کل شرکت به کمک از IT نیاز دارد – ستون فقرات یک شرکت مدرن و مبتنی بر داده – و به نظر می رسد که این فقط ادامه خواهد داشت.

با genAI از کجا شروع کنیم؟ با IT شروع کنید

هوش مصنوعی مولد جدیدترین کاتالیزور برای تحول دیجیتال است در شرکت گوگل ابزار هوش مصنوعی سازمانی خود، Duet AI را برای Google Workspace راه اندازی کرد. Salesforce Einstein GPT، هوش مصنوعی مولد را برای CRM خود منتشر کرد. مایکروسافت سهامی در OpenAI خرید و مدل‌های GPT OpenAI را به Azure، Bing و Microsoft Copilot آورد. AWS یک همکاری استراتژیک با Anthropic، سازندگان کلود مدل زبان بزرگ (LLM) تشکیل داد، و اخیراً Amazon Q، یک دستیار genAI برای کاربران ابری آمازون.

نسل بالقوه هوش مصنوعی برای تجارت بی حد و حصر است، اما چالش‌های حصول اطمینان از پذیرش موفقیت‌آمیز هوش مصنوعی اغلب بر عهده فناوری اطلاعات است. به عنوان یک بخش در حال حاضر بیش از حد بارگذاری شده، IT به عنوان گلوگاهی در نظر گرفته می شود که سازمان ها را از استفاده موثر و عملیاتی کردن ابزارهای هوش مصنوعی برای افزایش بهره وری باز می دارد. اما تحقیقات نشان می دهد که ۶۷% از کارگران از هوش مصنوعی مولد برای صرفه جویی در یک تا پنج ساعت کار در هفته استفاده می کنند و ۴۰% از کارمندان از هوش مصنوعی مولد استفاده می کنند بدون اینکه استفاده از آنها را به کارفرمای خود فاش کنند.

بنابراین، اگر نیروی کار شما مزایای آن را درک می‌کند و بدون توجه به هوش مصنوعی از هوش مصنوعی مولد استفاده می‌کند، چرا با تیم خود شروع نکنید – جایی که واقعاً می‌تواند تأثیری داشته باشد که هم به صورت ایمن و هم ایمن در سراسر سازمان گسترش یابد؟ با فناوری اطلاعات شروع کنید.

با یکپارچه سازی مولد شروع کنید

یکپارچه سازی مولد ابزاری برای هوش مصنوعی و یکپارچه سازی مولد است—مخفف برای استفاده از genAI برای اتصال داده ها، سیستم ها و برنامه ها. ChatGPT ممکن است هوش مصنوعی مولد را به یک نام آشنا تبدیل کرده باشد، اما برنامه‌های کاربردی این فناوری بسیار فراتر از تولید کپی در حال پرواز یا آماده شدن برای مصاحبه.

به زبان رسمی‌تر، یکپارچه‌سازی تولیدی یک رویکرد پیشرفته برای یکپارچه‌سازی داده‌ها و برنامه‌های کاربردی است که از هوش مصنوعی و LLM‌های مولد برای خودکارسازی ایمن ایجاد خطوط لوله یکپارچه‌سازی و ساده‌سازی فرآیند اتصال سیستم‌ها و منابع داده متفاوت استفاده می‌کند.

با استفاده از قابلیت‌های هوش مصنوعی و یادگیری ماشینی، یکپارچه‌سازی مولد می‌تواند کد را درک، تفسیر و تولید کند، به طور قابل‌توجهی تلاش دستی را کاهش می‌دهد و کارایی و دقت وظایف یکپارچه‌سازی داده‌ها را بهبود می‌بخشد.

هوش مصنوعی مولد فرصتی را برای پیاده‌سازی یکپارچه‌سازی داده‌ها و برنامه‌ها و اتوماسیون فرآیندهای تجاری آسان، قابل دسترسی برای کارکنان غیر فنی و کارآمدتر ارائه می‌دهد.

این می‌تواند کاتالیزوری برای کاربران تجاری غیرفنی باشد تا در مورد داده‌ها، اتوماسیون، و درخواست‌های یکپارچه‌سازی خود وارد عمل شوند و اقدامی انجام دهند—و کلیدی برای تسکین تیم‌های فناوری اطلاعات.

توانمندسازی توسعه شهروندان، تسکین کارکنان فنی

ما به تأثیر تخفیف IT بر بهره‌وری شرکت اشاره کرده‌ایم اما یک کلید برای مقابله با این عقب ماندگی وجود دارد – یعنی خدمات سلف سرویس یا توسعه شهروندی. هوش مصنوعی و LLM های مولد با امکان دادن به توسعه دهندگان شهروندی برای ایجاد ادغام از طریق یک رابط مکالمه مانند ChatGPT، مسیری را برای سلف سرویس مدیریت شده ارائه می دهند.

با این حال، افزایش توسعه شهروندی نیازمند کنترل‌های مناسب فناوری اطلاعات است. یک مدل عملیاتی مؤثر مستلزم وجود یک مرکز تعالی است که در آن فناوری اطلاعات بتواند سیاست‌های جهانی را برای یکپارچگی ایجاد کند، در حالی که خطوط تجاری می‌توانند سیاست‌های سطح بخش یا سطح واحد تجاری را تعریف کنند. دستورالعمل ها باید ادغام شهروندان بین برنامه ها و منابع داده را تشویق کنند، که کاربران مجوز دسترسی به آنها را دارند.

در دهه گذشته، رویکردهای کد/بدون کد، کانکتورهای از پیش ساخته شده برای برنامه‌های کاربردی که معمولاً به آنها دسترسی دارند، و الگوهایی برای موارد استفاده معمولی، داده‌ها و یکپارچه‌سازی برنامه‌ها را بسیار ساده کرده‌اند.

>

SnapLogic با یکپارچه‌سازی برنامه‌ها و داده‌ها در یک پلتفرم واحد، با قابلیت استفاده از هوش مصنوعی مولد برای موارد استفاده یکپارچه، این کار را بیشتر انجام داده است. به عنوان مثال:

• مستندسازی خطوط لوله ادغام: با کمال تعجب، توصیف یا مستندسازی خطوط لوله شماره ۱ پرکاربردترین ویژگی SnapGPT است. در گذشته، منطقی است زیرا کمتر از ۳٪ از خطوط لوله در پلت فرم ما مستند شده است. هوش مصنوعی مولد می‌تواند به‌طور خودکار اسناد واضح و مختصر را برای ادغام‌ها ایجاد کند و درک و نگهداری آن‌ها را برای همکاران آسان‌تر کند.
• ساخت نمونه های اولیه یکپارچه سازی: همانطور که ChatGPT می تواند به ایده پردازی یک پست وبلاگ کمک کند، SnapGPT ایجاد خط لوله داده یا تنظیم یک گردش کار برای ادغام را آسان می کند، با دستورات مکالمه شروع می شود – باعث می شود ادغام سریعتر انجام شود. و به اندازه کافی آسان برای استفاده کارکنان غیر فنی.
• ایجاد عبارات برای تبدیل داده ها: ابزارهای یکپارچه سازی در زبان عبارت متفاوت هستند، که می تواند برای توسعه دهندگان شهروند دلهره آور باشد. GenAI می‌تواند مقاصد کاربر را به عباراتی کاملاً شکل‌یافته ترجمه کند و فرآیند را ساده‌تر کند.
• ایجاد پرس و جوی SQL: تحلیلگران کسب و کار اغلب به SQL تکیه می کنند و زمان زیادی را صرف ایجاد و رفع اشکال پرس و جو می کنند. SnapGPT یک طرحواره داده منبع آگاه است و می‌تواند با استفاده از دستورالعمل‌های ساده، جستارهای دقیق SQL ایجاد کند و به کاربران امکان می‌دهد سریع‌تر اطلاعات بینش ایجاد کنند و تصمیم‌گیری را تسریع کنند.

و این فقط نوک کوه یخ است.

راه نوآوری با فناوری اطلاعات شروع می شود

از آنجایی که هوش مصنوعی مولد به عنوان یک نیروی دگرگون کننده ظاهر می شود، مسئولیت کاملاً بر دوش رهبران فناوری اطلاعات است تا پیچیدگی ها را طی کنند و راه را برای نوآوری هموار کنند. و در مواجهه با یک پشته فناوری در حال گسترش و ضرورت یکپارچه سازی، درخواست برای اولویت بندی تقاضاها در مورد فناوری اطلاعات بیشتر از همیشه طنین انداز است. شروع با فناوری اطلاعات صرفاً یک انتخاب استراتژیک نیست، بلکه یک ضرورت است.

ظهور یکپارچه سازی مولد نه تنها به تقاضای رو به رشد برای برنامه های کاربردی هوش مصنوعی می پردازد، بلکه به تیم های فناوری اطلاعات برای ساده سازی فرآیندها و تسهیل وظایف یکپارچه سازی داده ها نیز قدرت می دهد.

علاوه بر این، مفهوم توسعه شهروندی که توسط هوش مصنوعی مولد و مدل‌های زبانی بزرگ هدایت می‌شود، یک تغییر پارادایم را معرفی می‌کند. این مسیری را برای سلف سرویس مدیریت شده ارائه می دهد و کاربران غیر فنی را قادر می سازد تا به طور معناداری در وظایف یکپارچه سازی تحت هدایت هوشیار کنترل های IT مشارکت کنند.

در پذیرش هوش مصنوعی مولد، رهبران فناوری اطلاعات نه تنها ظرفیت‌های خود را تقویت می‌کنند، بلکه قدرت دگرگون‌کننده فناوری را دموکراتیزه می‌کنند و تضمین می‌کنند که کل سازمان می‌تواند در چشم‌انداز پویای تحول دیجیتال انطباق، نوآوری و پیشرفت کند. سفر عملیاتی کردن هوش مصنوعی مولد با یک تصمیم آگاهانه برای شروع با رهبر فناوری اطلاعات در آینه آغاز می شود.

مانیش رای معاون بازاریابی محصول در SnapLogic است.

—

Generative AI Insights مکانی را برای رهبران فناوری – از جمله فروشندگان و سایر مشارکت‌کنندگان خارجی – فراهم می‌کند تا چالش‌ها و فرصت‌های هوش مصنوعی مولد را بررسی و بحث کنند. این انتخاب گسترده است، از غواصی عمیق فناوری گرفته تا مطالعات موردی گرفته تا نظرات متخصص، اما همچنین ذهنی است، بر اساس قضاوت ما در مورد اینکه کدام موضوعات و درمان ها به بهترین وجه به مخاطبان فنی پیشرفته InfoWorld خدمت می کنند. InfoWorld وثیقه بازاریابی را برای انتشار نمی پذیرد و حق ویرایش تمام محتوای ارائه شده را برای خود محفوظ می دارد. تماس با doug_dineley@foundryco.com.