در عجله برای پذیرش هوش مصنوعی (هوش مصنوعی) یا LLM، بسیاری از شرکت‌ها گاری را مقدم بر اسب قرار می‌دهند. از آنجایی که ابزارهای هوش مصنوعی مانند GPT و دیگران بر مکالمات مربوط به بهبود گردش کار غالب هستند، خطر واقعی تکرار تاریخ وجود دارد. تبلیغات یادگیری ماشینی چند سال پیش را به خاطر دارید؟ زمانی که شرکت‌ها متوجه شدند که توسعه مدل‌های مؤثر چالش‌برانگیزتر و زمان‌برتر از آنچه پیش‌بینی می‌شد، به موجی از اخراج دانشمندان داده منجر شد.
برای جلوگیری از افتادن در دام مشابه با هوش مصنوعی، مدیران و مدیران اجرایی باید بر روی دو شاخص کلیدی عملکرد (KPI) تمرکز کنند که داده ها و ابتکارات هوش مصنوعی آنها را در جهت درست هدایت می کند. این شاخص‌های کلیدی عملکرد به شما کمک می‌کند تا اطمینان حاصل کنید که سرمایه‌گذاری‌های شما در داده‌ها و هوش مصنوعی به ارزش تجاری ملموس تبدیل می‌شود.
استفاده از داده ها
استفاده از داده ها شاید مهم ترین KPI برای مدیریت بردها باشد. این نشان می‌دهد که چگونه داده‌ها به طور مؤثر در سراسر سازمان استفاده می‌شوند و چه مقدار از آن گرد و غبار دیجیتالی را جمع‌آوری کرده و پول می‌سوزاند.
تعریف: استفاده از داده ها درصدی از داده های جمع آوری و ذخیره شده است که به طور فعال برای اهداف معنی دار استفاده می شود.
محاسبه: (مقدار داده هایی که به طور فعال استفاده می شود / مقدار کل داده های ذخیره شده) × 100
- توجه داشته باشید: داده هایی را که باید برای انطباق قانونی ذخیره شوند (به عنوان مثال، داده های مالی یا مرتبط با سلامت) از … حذف کنید.