人工智能并不能解决数据混乱问题
大多数企业人工智能试点不是受到模型的限制,而是受到数据的限制:文档位于不同的存储库、目录不同、合同未分类、访问权限与角色不对应、手动收集报告、无法识别数据所有者。
因此,一个正确的人工智能项目从源头图开始:需要什么数据、数据的所有者是谁、质量规则是什么、个人数据在哪里、网络安全限制有哪些以及未来的助手应该给出什么答案。
人工智能的数据基础
Sources
来源
ERP、1C、SAP、DWH、BI、EDMS、文档、应用程序、知识库、会议、API 和外部目录。
Quality
质量
重复项、完整性、版本、日期、分类、参考书、规范化和相关性规则。
Access
权利
将人工智能响应与源系统中的真实用户权限联系起来。
Observability
控制
日志、响应质量指标、来源、错误、请求成本和用户反馈。
让我们讨论一下您的环境
描述任务、当前系统、约束和预期结果。我们将提供实用的第一步:诊断、试点、审计、路线图或项目团队。
