85
Sju av tio företag har inte tillräcklig kompetens hur generativ AI kan användas för att få ut verkligt värde ur ostrukturerade data.
Det visar en undersökning av Enterprise Technology Research (ETR), på uppdrag av dataanalysföretaget Qlik.
Den snabbt växande volymen av ostrukturerade data, som uppgår till runt 80 procent av datan hos många företag, har potentialen att förbättra den operativa effektiviteten och skapa meningsfulla insikter. Undersökningen från ETR visade även att en annat stort hinder är att företagen inte har lämpliga verktyg samt att endast en liten del av respondenterna bara tilldelar mer än en fjärdedel av sin AI-budget till initiativ för ostrukturerade data.
- Med många källor som anger att upp till 80 procent av världens data är ostrukturerad, är det inte förvånande att företagsledare vill ha mer verkligt värde från denna outnyttjade källa. Ändå visar vår undersökning att nästan 70 procent håller med om att deras organisation inte är väl rustad för att förstå hur GenAI kan utnyttjas på deras ostrukturerade data, säger Brendan Grady, General Manager för Qliks Analytics Business Unit, och fortsätter:
Företag söker lösningar som möjliggör GenAI-adoption utan att de behöver göra om sina befintliga färdigheter och teknikstackar. Möjligheten ligger i att hitta sätt att sömlöst integrera AI i nuvarande analysmiljöer, vilket tillåter organisationer att extrahera rätt svar från ostrukturerade data och skapa meningsfulla affärsresultat.
Undersökningen avslöjar insiktsfulla data om hur ledare känner och vad de gör för att ta itu med möjligheten som ostrukturerad data och GenAI möjliggör:
- Datasekretess och efterlevnadsproblem dominerar: 59 procent av respondenterna är mycket oroade över datasekretess och 47 procent över regulatorisk efterlevnad, vilket överstiger oro över ROI (19%).
- Integration och kostnad är högsta prioriteringar vid utvärdering av leverantörer: Vid utvärdering av leverantörer är systemintegration (55%), kostnad (50%) och styrningsfunktioner (49%) högsta prioriteringar, medan leverantörens rykte är en låg prioritet (16%). Respondenterna förväntar sig måttliga finansiella vinster från att använda ostrukturerade data, med 45 procent som förväntar sig en 10%-20% förbättring i sina topp- eller bottensiffror.
- Intresset för GenAI är högt, men betydande investeringar saknas: Bland dem som är intresserade av att använda GenAI för ostrukturerade data planerar två av tre respondenter att investera i ett GenAI-verktyg för ostrukturerade data. Trots ett brett intresse, anger endast 22 procent av alla respondenter att de gör ”betydande” investeringar i AI-teknologier.
- Ostrukturerad data ses som en viktig drivkraft för effektivitet: En klar majoritet (62%) ser möjligheten i ostrukturerade data att förbättra den operativa effektiviteten, medan endast 31 procent tror att den kan driva innovation. Nästan hälften (45%) beskriver ett användningsfall som involverar bättre sök- och frågeverktyg för att gräva i interna dokument.
- Traditionella sökverktyg når inte upp till ostrukturerade data: Det råder stark enighet om att traditionella företagssökverktyg är otillräckliga för att maximera värdet av omfattande dokumentbibliotek. Endast 16 procent har redan köpt ett verktyg avsett att leverera insikter från ostrukturerade data, och de flesta används fortfarande i tidiga stadier.
- Resultaten från vår undersökning betonar en kritisk utmaning som företag står inför idag: kunskapsbristen som krävs för att utnyttja den fulla potentialen av generativ AI för ostrukturerade data, säger Erik Bradley, Chief Strategist & Director of Research vid Enterprise Technology Research, och fortsätter:
- Även om intresset för att utnyttja ostrukturerade data är högt, är bristen på specialiserade färdigheter och lämpliga verktyg ett betydande hinder. För att verkligen kapitalisera på de möjligheter som GenAI presenterar, måste organisationer investera i att överbrygga denna kunskapsklyfta och integrera avancerade AI-kapaciteter sömlöst i sina befintliga analysramverk.