Hitachi Vantara 人工智能首席技术官：许多企业忽视了阻碍人工智能成功的因素 |PYMNTS.com

投资人工智能的公司将面临越来越大的压力，需要在 2025 年及以后展示其投资回报日立万塔拉人工智能首席技术官贾森·哈迪。

“投资回报率将非常重要，”Hardy，在日本跨国公司数字化转型部门领导 AI 日立环球，在接受 PYMNTS 采访时说道。虽然哈迪预计整体人工智能投资不会减少，但他认为未来的资金水平将越来越依赖于可证明的结果。

2024 年 PYMNTS 情报报告验证了他的观察结果。虽然大多数接受调查的首席财务官都使用生成式人工智能来完成日益核心的业务任务，例如财务报告，但只有 13% 的首席财务官看到了“非常积极”的投资回报率。不过，这一结果并没有阻止他们继续投资人工智能的计划。

这种对投资回报率的关注正值许多组织在实施人工智能时面临根本性挑战之际。Hitachi Vantara 的一项调查显示，五分之一的 IT 领导者表示，他们的人工智能模型产生了幻觉或编造了事情。只有 36% 的人在一半以上的时间里相信他们的人工智能输出。

哈迪说，人工智能成功的关键一步是数据质量，而企业却没有足够重视。数据质量是语言和其他人工智能训练模型的关键组成部分。不良数据会导致不良结果。即便如此，十分之六的 IT 领导者不会检查其数据集的质量或不会标记其数据。此外，18% 的人表示他们的数据是“暗数据”或已存储但未使用。

“他们只是还没有准备好迎接这个 [AI] 之旅，”哈迪说。

另一个复杂之处是：76% 的 IT 领导者表示，他们的数据是非结构化的，这意味着数据没有以传统数据库中的行和列等固定格式存储，以便机器更轻松地处理。非结构化数据的示例包括社交媒体帖子、图像、视频和音频文件。

数据准备可能“势不可挡”

Hardy 表示，Hitachi Vantara 的客户会发现处理需要组织、标记和准备供人工智能使用的海量数据“非常困难”。“老实说，他们仍在试图解决这个问题，这是我们一直向他们宣讲的重要事情之一。”

Hitachi Vantara 的方法是首先要求客户确定他们想要瞄准的人工智能用例，然后找出需要哪些数据。一旦他们弄清楚所需的数据，他们就可以开始准备该数据集。Hardy 表示，数据准备可能需要数周到数年的时间，具体取决于组织的规模和复杂性。

哈迪表示，他们建议客户首先从外围用例开始，然后再转向处理核心业务功能，从而在构建专业知识的同时将风险降至最低。– 不要从[核心任务]开始，因为这可能不是一个好主意。让我们从边缘开始，然后将我们的方式作为一个目标，”哈迪在描述实施策略时说道。

Hitachi Vantara 帮助客户准备数据的方法根据用例要求而有所不同。Hardy 建议不要让“完美成为足够好的敌人。”Hardy 说，在某些情况下，85% 的数据就绪性就足够了，而在其他情况下，客户需要 95%。目标取决于用例暴露和所需的价值实现时间等因素。

本周，世界经济论坛控制板据透露，74% 的公司在扩大人工智能规模方面遇到了困难，只有 16% 的公司为人工智能的重塑做好了准备。小组成员包括 AWS、百事可乐、赛诺菲和埃森哲的首席执行官，以及沙特阿美公司的总裁。他们表示，造成这种僵局的因素包括将人工智能归咎于 IT、没有为人工智能做好准备的员工、员工不信任人工智能并担心失去工作等挑战。

Gen AI 和日立法学硕士的趋势

Hardy 表示，他看到了用于客户服务和数据分析的生成式人工智能的用例趋势。另一个热门趋势是代理人工智能，其中多个人工智能模型相互交互来完成任务。他说，人工智能代理可以成为某些任务的专家，比如制造过程。用户的任务被分解为由一组人工智能代理处理的小部分。

Hardy 表示，Hitachi Vantara 的 13,000 家全球客户可以要求交钥匙人工智能解决方案（基本上安装一个已启动并运行的人工智能模型），也可以要求完全托管的解决方案，在该解决方案中，Hitachi Vantara 包办一切，从采购 Nvidia GPU 芯片到用于部署和管理人工智能的其他硬件。Hitachi Vantara 与 Nvidia 合作，为 GPU 计算提供本地和即服务选项。

Hardy 表示，Hitachi Vantara 也在开发自己的基础模型系列。该公司没有对现有的开源模型进行微调，而是选择从头开始构建，专注于其拥有深厚专业知识的行业。哈迪拒绝透露这些型号的名称或参数。他确实表示，这些模型的训练成本并不像 OpenAI 的 GPT 系列那么昂贵，后者花费了数十亿美元来训练来自互联网的所有数据。

“我们不需要所有 Reddit 来构建大型语言模型，”Hardy 说道，并强调了公司利用其母公司广泛的工业数据和领域知识的战略。Hitachi Vantara 正在为母公司涉足的多个行业开发基础模型，包括制造、运输和能源行业。

展望未来，Hardy 认为可持续性将成为企业人工智能部署的一个关键焦点。虽然他承认 AI 能源使用的直接责任在于数据中心和 AI 基础模型开发人员，但 Hitachi Vantara 确实通过 GPU 和向服务器发送数据为能源使用做出了贡献。“作为 GPU 的外围设备，我们有责任尽可能实现可持续发展，”Hardy 说。

对于所有 PYMNTS AI 报道，请订阅每日一个 人工智能通讯。