ปัญหาการพัฒนาเหล่านี้ควรจะอยู่ในหน้าจอเรดาร์ของผู้นําทุกคน ผู้จัดการข้อมูลบอกว่า
______________________________________________________ ปัญญาอัจฉริยะและวิทยาศาสตร์ข้อมูลกลายเป็นข่าวหน้าหนึ่งในปี 2023 และแน่นอน การเติบโตของ AI เห็นได้อย่างชัดเจนมาก ดังนั้น สิ่งที่อาจเกิดขึ้นในปี 2024 ที่จะทําให้ยังคงได้รับความนิยม? และแนวโน้มสิ่งเหล่านี้จะส่งผลกระทบต่อธุรกิจได้ยังไง?
ในช่วงไม่กี่เดือนที่ผ่านมาเราได้ทําการสำรวจผู้บริหารข้อมูลและเทคโนโลยีถึงสามครั้ง สองคนมีบทบาทเป็นหัวหน้าเจ้าหน้าที่ข้อมูลของ MIT และผู้เข้าร่วมการสัมมนาคุณภาพข้อมูล – คนนึงได้รับการสนับสนุนโดย Amazon Web Services (AWS) และอีกคนจาก Thoughtworks การสำรวจครั้งที่สามถูกดําเนินการโดย Wavestone, เดิมคือ NewVantage Partners โดยสรุป มีผู้บริหารระดับสูงมากกว่า 500 คน เข้าร่วมในการสำรวจครั้งนี้
การทำสำรวจไม่ได้บอกได้ถึงอนาคต แต่อย่างน้อยจะแนะนำได้ว่าคนในวงกาวิทยาศาสตร์ข้อมูลและกลยุทธ์และโปรเจคด้าน AI ของบริษัทกําลังมีแนวคิดอย่างไร ตามรข้อมูลเหล่านั้น นี่คือ 5 ปัญหาหลักของการพัฒนา ที่เราควรให้ความสนใจ:

1. เครื่องมือสร้างอัจฉริยะนั้นเฉิดฉาย แต่ต้องส่งมอบคุณค่า อย่างที่เราสังเกตเห็น AI ที่สร้างมาได้ดึงดูดความสนใจของธุรกิจและผู้บริโภคอย่างมาก แต่มันมีค่าทางเศรษฐกิจจริงๆสําหรับองค์กรที่ใช้มันหรือไม่ ผลการสำรวจแสดงให้เห็นว่าถึงแม้ว่าความตื่นเต้นเกี่ยวกับAI นี้จะสูงมาก แต่ยังไม่ได้ให้ประโยชน์อย่างชัดเจน ส่วนใหญ่ของผู้ตอบแบบสอบถาม เชื่อว่าการสร้าง AI มีศักยภาพในการเปลี่ยนแปลง; 80% ของผู้ตอบรับในการสํารวจ AWS กล่าวว่าพวกเขาเชื่อว่ามันจะเปลี่ยนองค์กรของพวกเขาและ 64%ในผลสํารวจ Wavestone กล่าวว่ามันเป็นเทคโนโลยีที่เปลี่ยนแปลงมากที่สุดในรุ่นหนึ่ง ผลสำรวจส่วนใหญ่ยังเพิ่มการลงทุนในเทคโนโลยีนี้ อย่างไรก็ตาม บริษัทส่วนใหญ่ยังคงแค่ทดลองทั้งในระดับส่วนบุคคลหรือระดับแผนก แค่ 6% ของ บริษัท ในสํารวจ AWS มีการประยุกต์ใช้การผลิตของ AI ที่สร้าง และเพียง 5% ในการสำรวจ Wavestone มีการใช้งานการผลิตในขนาดใด ๆ การใช้งานการผลิตของ AI ที่สร้างขึ้น แน่นอนจะต้องการการลงทุนและการเปลี่ยนแปลงทางองค์กรมากขึ้น ไม่ใช่แค่การทดลองเท่านั้น กระบวนการธุรกิจจะต้องได้รับการออกแบบใหม่และพนักงานจะต้องได้รับการฝึกฝนใหม่ (or, probably in only a few cases, replaced by generative AI systems). ความสามารถใหม่ของ AI จะต้องรวมเข้ากับโครงสร้างพื้นฐานเทคโนโลยีที่มีอยู่ บางทีการเปลี่ยนแปลงที่สําคัญที่สุดอาจเกี่ยวข้องกับข้อมูล การแก้ไขเนื้อหาที่ไม่มีโครงสร้าง การปรับปรุงคุณภาพของข้อมูลและการรวมแหล่งข้อมูลต่าง ๆ ในสํารวจ AWS 93% ของผู้ตอบแบบสอบถาม เห็นว่ากลยุทธ์ทางข้อมูลเป็นสิ่งสําคัญที่จะได้รับประโยชน์จาก AI ที่สร้าง แต่ 57% ยังไม่มีการเปลี่ยนแปลงในข้อมูลของพวกเขาจนถึงตอนนี้ 2. วิทยาศาสตร์ข้อมูลกําลังเปลี่ยนจากงานฝีมือไปสู่อุตสาหกรรม

บริษัท รู้สึกว่าจําเป็นต้องเร่งการผลิตวิทยาศาสตร์ข้อมูล สิ่งที่เคยเป็นงานฝีมือกําลังจะกลายเป็นอุตสาหกรรมมากขึ้น บริษัท กําลังลงทุนในแพลตฟอร์ม กระบวนการและวิธีการจัดเก็บคุณสมบัติ ระบบการเรียนรู้เครื่องจักร (MLOps) และเครื่องมืออื่น ๆ เพื่อเพิ่มประสิทธิภาพการผลิตและอัตราการใช้งาน ระบบ MLOps ตรวจสอบสถานะของโมเดลการเรียนรู้เครื่องและตรวจจับว่ามันยังคงคาดเดาได้อย่างถูกต้องหรือไม่ ถ้ายังไม่ใช่ โมเดลอาจต้องได้รับการฝึกอบรมใหม่ด้วยข้อมูลใหม่ ประสิทธิภาพเหล่านี้มักได้มาจากผู้จัดจําหน่ายนอกองค์กร แต่บางองค์กรกําลังพัฒนาแพลตฟอร์มของตัวเอง แม้ว่าระบบอัตโนมัติ (รวมถึงเครื่องมือการเรียนรู้เครื่องจักร) จะช่วยเพิ่มผลผลิตและใช้วิทยาศาสตร์ข้อมูลที่กว้างขวางยิ่งขึ้น แต่ผลประโยชน์ที่ยิ่งใหญ่ที่สุดสําหรับผลผลิตวิทยาข้อมูลอาจจะเป็นการนำชุดข้อมูลที่มีอยู่หรือตัวแปรที่มีอยู่และแม้กระทั่งโมเดล นำกลับมาใช้ใหม่

3. 2 เวอร์ชั่นของผลิตภัณฑ์ข้อมูล กำลังครองตลาด ในการสำรวจของ Thoughtworks 80% ของผู้นําข้อมูลและเทคโนโลยีบอกว่าองค์กรของพวกเขากําลังใช้หรือพิจารณาใช้ผลิตภัณฑ์ข้อมูลและการจัดการผลิตภัณฑ์ข้อมูล โดยผลิตภัณฑ์ข้อมูล เราหมายถึงข้อมูลบรรจุภัณฑ์ การวิเคราะห์ และ AI ในการทำผลิตภัณฑ์ซอฟต์แวร์สําหรับลูกค้าภายในหรือภายนอก มันถูกจัดการจากแนวคิดจนถึงการใช้งาน (และการปรับปรุงอย่างต่อเนื่อง) โดยผู้จัดการผลิตภัณฑ์ข้อมูล ตัวอย่างของผลิตภัณฑ์ข้อมูล ได้แก่ ระบบที่แนะนําลูกค้าเกี่ยวกับผลิตภัณฑ์ที่จะซื้อต่อไป และระบบปรับราคาที่เหมาะสมสําหรับทีมขาย
แต่องค์กรเห็นผลิตภัณฑ์ข้อมูลในสองวิธีที่แตกต่างกัน น้อยกว่าครึ่งหนึ่ง (48%) ของผู้ตอบแบบสอบถาม บอกว่าพวกเขารวมความสามารถในการวิเคราะห์และ AI ในแนวคิดของผลิตภัณฑ์ข้อมูล ประมาณ 30% คิดว่าการวิเคราะห์และ AI จะแยกออกจากผลิตภัณฑ์ข้อมูล และคาดว่าจะเก็บแนวคิดนี้ไว้สําหรับแค่สินทรัพย์ทางข้อมูลที่สามารถนํามาใช้ซ้ําได้เท่านั้น เพียงแค่ 16% กล่าวว่าพวกเขาไม่คิดเกี่ยวกับการวิเคราะห์และ AI ในแง่ของผลิตภัณฑ์เลย เราถูกใจเล็กน้อยสําหรับการกําหนดผลิตภัณฑ์ข้อมูล ซึ่งรวมถึงการวิเคราะห์และ AI เพราะนั่นคือวิธีที่ข้อมูลจะถูกนํามาใช้ แต่สิ่งที่สําคัญจริงๆคือองค์กรจะต้องมีวิถีที่ชัดเจนและสอดคล้องกันในความหมายของผลิตภัณฑ์ข้อมูลและวิเคราะห์ผลิตภัณฑ์ข้อมูล หากองค์กรชอบรวมเอา “ผลิตภัณฑ์ข้อมูล” และ “ผลิตภัณฑ์วิเคราะห์และ AI” ไว้ด้วยกัน ซึ่งสามารถทํางานได้ดีเช่นกันและคําจํากัดความนั้นยังเก็บมุมมองที่ดีของการจัดการผลิตภัณฑ์ แต่การไม่มีความชัดเจนเกี่ยวกับคําจํากัดความองค์กรอาจทําให้สับสนเกี่ยวกับสิ่งที่นักพัฒนาผลิตภัณฑ์ควรจะส่งต่อ

4. นักวิทยาศาสตร์ข้อมูลจะกลายเป็นน่าสนใจน้อยลง แต่ยังคงมีความจำเป็น นักวิทยาศาสตร์ข้อมูล ผู้ที่ถูกเรียกว่า “Unicorns” และผู้ถือ “งานที่น่าสนใจที่สุดของศตวรรษที่ 21” เพราะความสามารถของพวกเขาในการทําให้โครงการวิทยาข้อมูลประสบความสําเร็จได้ให้ความน่าสนใจของพวกเขาลดลง การเปลี่ยนแปลงหลายอย่างในวิทยาศาสตร์ข้อมูลกําลังสร้างแนวทางทางเลือกในการจัดการชิ้นส่วนที่สําคัญของงาน การเปลี่ยนแปลงดังกล่าวคือการแพร่กระจายของบทบาทที่เกี่ยวข้องที่สามารถจัดการกับปัญหาวิทยาศาสตร์ข้อมูล ชุดผู้เชี่ยวชาญที่ขยายตัวนี้รวมถึงวิศวกรข้อมูลในโต้เถียงเรื่องข้อมูล วิศวกรรมการเรียนรู้ machine learning เพื่อปรับขนาดและรวม โมเดล，คนแปล และ ตัวเชื่อมต่อเพื่อทํางานร่วมกับผู้ถือหุ้นธุรกิจและผู้จัดการผลิตภัณฑ์ข้อมูลในการจัดการดูแลการตัดสินใจทั้งหมด แน่นอนว่ายังคงมีหลายด้านของวิทยาศาสตร์ข้อมูลที่ต้องการนักวิจัยข้อมูลระดับมืออาชีพ การพัฒนาอัลกอริทึมใหม่หรือการอธิบายวิธีการทํางานของรูปแบบที่ซับซ้อน บทบาทนี้ยังคงจําเป็น

5. ผู้จัดการข้อมูล, การวิเคราะห์และ AI ได้กลายเป็นอิสระน้อยลง ในปีที่แล้วเราเริ่มสังเกตเห็นว่าจํานวนเพิ่มขึ้นขององค์กรกําลังตัดการแพร่กระจายของเทคโนโลยีและข้อมูล “หัวหน้า” รวมถึงหัวหน้าข้อมูลและเจ้าหน้าที่วิเคราะห์ (and sometimes chief AI officers). ในขณะที่บทบาทของ CDO / CDAO นั้นเป็นเรื่องธรรมดามากขึ้นในบริษัท แต่เป็นเวลานานที่ถูกกําหนดโดยระยะเวลาการทํางานสั้น ๆ และความสับสนเกี่ยวกับความรับผิดชอบ เราไม่ได้เห็นฟังก์ชั่นที่ดําเนินการโดยผู้บริหารข้อมูลและวิเคราะห์หายไป แท้จริงพวกเขากําลังถูกรวมเข้าในชุดที่กว้างขึ้นของเทคโนโลยีข้อมูลและฟีเจอร์การเปลี่ยนแปลงดิจิตอลที่จัดการโดย “ผู้นําด้านเทคโนโลยีที่ยอดเยี่ยม” ซึ่งมักจะรายงานกับ CEO ตัวอย่างในโลกจริง ได้แก่ Sastry Durvasula ที่ TIAA, Sean McCormack ที่ First Group และ Mojgan Lefebvre ที่ Travelers
การพัฒนาในบทบาท C-suite นี้เป็นจุดมุ่งเน้นหลักของการสืบสวน Thoughtworks และ 87% ของผู้ตอบสนอง (ส่วนใหญ่เป็นผู้นําข้อมูล แต่บางคนเป็นผู้บริหารเทคโนโลยีเช่นกัน) ยอมรับว่าคนในองค์กรของพวกเขาทั้งอย่างเต็มที่, ในระดับมากหรือบางอย่างสับสนเกี่ยวกับที่ควรไปหาบริการและปัญหาที่นําไปสู่ข้อมูลและเทคโนโลยี ผู้บริหารระดับ C หลายคนบอกว่าความร่วมมือกับผู้นําด้านเทคโนโลยีอื่น ๆ ในองค์กรของตัวเองค่อนข้าง เราเชื่อว่าในปี 2024 เราจะเห็นผู้นําด้านเทคนิคเหล่านี้มากขึ้นที่มีความสามารถทั้งหมดในการสร้างค่าจากผู้เชี่ยวชาญด้านข้อมูลและเทคโนโลยีที่รายงานกับพวกเขา พวกเขายังคงต้องเน้นการวิเคราะห์และ AI เพราะนั่นคือวิธีที่องค์กรทําความเข้าใจกับข้อมูลและสร้างค่ากับมันสําหรับพนักงานและลูกค้า สิ่งที่สําคัญที่สุดคือผู้นําเหล่านี้จะต้องมีแนวทางทางธุรกิจสูงสามารถหารือเกี่ยวกับกลยุทธ์กับเพื่อนร่วมงานด้านการจัดการระดับสูงของพวกเขาและสามารถแปลมันเป็นระบบและมุมมองที่ทําให้กลยุติธรรมกลายเป็นความเป็นจริง Citation: Massachusetts Institute of Technology. “Five Key Trends in AI and Data Science for 2024 | Thomas H. Davenport and Randy Bean | MIT Sloan Management Review.” MIT Sloan Management Review, 9 Jan. 2024, sloanreview.mit.edu/article/five-key-trends-in-ai-and-data-science-for-2024/?gad_source=1&gclid=CjwKCAjw2dG1BhB4EiwA998cqChe_N99txyiulcfyzeS3QabDqX7vsGRFPm74tWs6r6W1agrdnZ5ExoCQCwQAvD_BwE.