Fermer

janvier 23, 2023

La raison pour laquelle de nombreux projets d’IA et d’analyse échouent et comment s’assurer que le vôtre n’échoue pas7 minutes de lecture



En tête de liste des priorités des dirigeants pour 2023 – une année annoncée par l’escalade des difficultés économiques et des risques climatiques – se trouve le besoin d’informations basées sur les données pour propulser l’efficacité, la résilience et d’autres initiatives clés. De nombreuses entreprises ont expérimenté des analyses avancées et l’intelligence artificielle (IA) pour répondre à ce besoin. Maintenant, ils doivent transformer leur preuve de concept en retour sur investissement. Mais comment?

Les organisations progressent à grands pas, mettant en place les bons talents et les bons logiciels. Pourtant, beaucoup ont du mal à passer à la production parce qu’ils n’ont pas le bonnes technologies fondamentales pour prendre en charge les charges de travail d’IA et d’analyse avancée. Certains s’appuient sur des systèmes matériels hérités obsolètes. D’autres sont bloqués par les problèmes de coût et de contrôle liés à l’utilisation d’un cloud public. La plupart ont été tellement attirés par l’excitation des outils logiciels d’IA qu’ils ont manqué de sélectionner le bon matériel.

Alors que le rythme de l’innovation dans ces domaines s’accélère, le moment est venu pour les leaders technologiques de faire le point sur tout ce dont ils ont besoin pour tirer parti avec succès de l’IA et de l’analytique.

Regardez l’infrastructure d’entreprise

Une enquête IDC[1] de plus de 2 000 chefs d’entreprise ont constaté une prise de conscience croissante que l’IA doit résider sur une infrastructure spécialement conçue pour être en mesure de fournir une valeur réelle. En fait, les répondants ont cité le manque d’infrastructures appropriées comme le principal responsable de l’échec des projets d’IA. Le blocage du passage à une infrastructure plus centrée sur l’IA, note l’enquête, est une question de coût et de stratégie, ainsi que d’environnements et d’infrastructures de données existants trop complexes.

Bien que les experts s’accordent sur la difficulté de déployer de nouvelles plates-formes dans une entreprise, il existe des options pour optimiser la valeur des projets d’IA et d’analyse.[2] Les considérations fondamentales incluent la puissance de calcul, l’architecture de la mémoire ainsi que le traitement, le stockage et la sécurité des données.

Il s’agit des données

Pour les entreprises qui ont réussi à déployer l’IA et l’analyse, la disponibilité des données est un indicateur de performance clé, selon un rapport de Harvard Business Review.[3] En bref, les dirigeants à succès du rapport ont démocratisé les données de leur entreprise en les rendant accessibles au personnel, en les acquérant auprès des clients et des fournisseurs et en les partageant en retour. Le traitement des données est l’endroit où les technologies de base et le matériel s’avèrent essentiels. Voici ce qu’il faut considérer :

  • Ingérer les données: Pour être en mesure d’analyser plus de données à des vitesses plus élevées, les organisations ont besoin d’un traitement plus rapide via des serveurs puissants et les bonnes puces pour l’IA, qu’il s’agisse de CPU ou de GPU. Les infrastructures de calcul modernes sont conçues pour améliorer l’agilité de l’entreprise et le délai de mise sur le marché en prenant en charge les charges de travail pour les bases de données et l’analyse, l’IA et l’apprentissage automatique (ML), le calcul haute performance (HPC) et plus encore.
  • Stockage des données: De nombreuses organisations disposent de nombreuses données pour glaner des informations exploitables, mais elles ont besoin d’un emplacement sécurisé et flexible pour les stocker. Les solutions de stockage de données non structurées les plus innovantes sont flexibles et conçues pour être fiables à n’importe quelle échelle sans sacrifier les performances. Et les solutions de stockage d’objets modernes offrent des performances, une évolutivité, une résilience et une compatibilité sur une architecture distribuée à l’échelle mondiale pour prendre en charge les charges de travail d’entreprise telles que le cloud natif, l’archivage, l’IoT, l’IA et l’analyse de données volumineuses.
  • Protéger les données: Les cybermenaces sont partout, à la périphérie, sur site et chez les fournisseurs de cloud. Les données, les applications et les systèmes critiques d’une organisation doivent être protégés. De nombreux dirigeants recherchent une infrastructure fiable capable de fonctionner avec un maximum de flexibilité et d’agilité commerciale sans compromettre la sécurité. Ils cherchent à adopter une architecture de confiance zéro, intégrant des capacités de sécurité dans une gamme de solutions de stockage, de serveurs, hyperconvergées, de mise en réseau et de protection des données à l’échelle de l’entreprise.
  • Déplacer les données: À mesure que le paysage de la génération de données évolue et que les modèles de trafic de données deviennent plus complexes, les demandes croissantes nécessitent une réévaluation du réseau dans la plupart des organisations. Pour que les données voyagent de manière transparente, ils doivent disposer du bon système de mise en réseau. Cependant, les réseaux propriétaires traditionnels manquent souvent d’évolutivité, de solutions cloud éprouvées et d’automatisation, tandis que les solutions open source peuvent être coûteuses et peu flexibles. La mise en réseau ouverte répond au défi en s’adaptant au choix des logiciels, à l’intégration de l’écosystème et à l’automatisation pour l’entreprise moderne, de la périphérie au cœur du cloud.
  • Accéder aux données: De plus en plus, le développement et le déploiement de l’IA s’effectuent sur des stations de travail puissantes mais efficaces. Ces systèmes spécialement conçus permettent aux équipes d’effectuer des travaux d’IA et d’analyse plus intelligemment et plus rapidement pendant toutes les étapes du développement de l’IA, et de plus en plus pendant le déploiement, car ils prennent en charge l’inférence à la périphérie. Et pour permettre aux employés d’accéder aux données dont ils ont besoin, les organisations devront s’éloigner des systèmes hérités cloisonnés, rigides et coûteux pour adopter de nouvelles solutions qui permettent l’analyse et l’IA avec rapidité, évolutivité et confiance. UN lac de données prend en charge l’informatique décisionnelle (BI), l’analyse, les applications de données en temps réel, la science des données et le ML en un seul endroit. Il fournit un accès rapide et direct à des données fiables pour les scientifiques des données, les analystes commerciaux et les autres personnes qui ont besoin de données pour générer de la valeur commerciale.

Concentrez-vous sur les résultats

L’analyse et l’IA promettent de générer de meilleures informations commerciales à partir des entrepôts de données, des flux et des lacs. Mais d’abord, les entreprises devront évaluer honnêtement leur capacité non seulement à développer, mais à déployer avec succès un projet d’IA ou d’analyse. La plupart devront moderniser l’infrastructure et le matériel critiques pour pouvoir prendre en charge le développement et le déploiement de l’IA de la périphérie au centre de données et au cloud. Ceux qui le feront verront leurs données et leurs applications comme des multiplicateurs de force. En cours de route, ils auront mis en œuvre des mises à niveau qui garantissent la sécurité et l’accessibilité des données, des impératifs pour atteindre les objectifs informatiques et commerciaux dans les mois et les années à venir.

En apprendre davantage sur Créer une infrastructure de bout en bout pour le succès de l’IA, lire le livre blanc IDCet visitez Dell.com/AI.

***

Les technologies Intel® font avancer l’analytique

L’analyse des données est la clé pour débloquer le maximum de valeur que vous pouvez extraire des données de votre organisation. Pour créer une stratégie d’analyse productive et rentable qui donne des résultats, vous avez besoin d’un matériel hautes performances optimisé pour fonctionner avec le logiciel que vous utilisez.

L’analyse de données moderne couvre une gamme de technologies, des plates-formes et bases de données d’analyse dédiées à l’apprentissage en profondeur et à l’intelligence artificielle (IA). Vous débutez avec l’analytique ? Prêt à faire évoluer votre stratégie d’analyse ou à améliorer la qualité de vos données ? Il y a toujours de la place pour évoluer et Intel est prêt à vous aider. Avec un vaste écosystème de technologies d’analyse et de partenaires, Intel accélère les efforts des data scientists, des analystes et des développeurs dans tous les secteurs. En savoir plus sur Analyses avancées d’Intel.


[1]https://www.idc.com/getdoc.jsp?containerId=prUS48870422#:~:text=AI%20infrastructure%20investments%20are%20following,will%20remain%20the%20preferred%20location.

[2] https://venturebeat.com/ai/the-success-of-ai-lies-in-the-infrastructure/

[3] https://hbr.org/2022/02/what-makes-a-company-successful-at-using-ai




Source link