Trots att företagsledare ofta är säkra på att deras organisationers data är väl förberedda för AI-användning, visar det sig att IT-personal har en helt annan åsikt. En ny undersökning från Capital One avslöjar att så många som 84 procent av IT-proffsen, inklusive datavetare, dataarkitekter och analytiker, dagligen lägger ner minst en timme på att hantera och lösa datarelaterade problem.

En betydande del av dessa IT-medarbetare, 70 procent, ägnar mellan en och fyra timmar varje dag åt att rätta till dataproblem, medan 14 procent till och med ägnar mer än fyra timmar dagligen åt detta arbete. Detta pekar på ett allvarligt misstag bland många företagsledare när det gäller hur mycket dataarbete som krävs för att implementera AI-verktyg effektivt, säger John Armstrong, CTO på Worldly.

"Det finns en vanlig missuppfattning att man bara kan slänga in fullt med data i AI-motorn och låta den lösa alla våra problem", förklarar han. "Vårt ansvar som teknikledare är att utbilda våra målgrupper om vad som verkligen krävs för att nå framgång i sina AI-initiativ."

Konsekvenserna av den felaktiga uppfattningen om AI:s behov av ordning och kvalitet i datan kan kosta företag miljontals dollar, i värsta fall på felaktiga lösningar som leder till bristande resultat. Armstrong påpekar att många system inte är byggda för att hantera den stora datamängd och den komplexitet som moderna AI-teknologier kräver.

Justice Erolin, CTO på Baires Dev, tillägger att medan företagsledarna ofta är entusiastiska över AI efter att ha sett lyckade pilotprojekt, är de inte alltid medvetna om de dagliga utmaningarna som IT-teamet står inför. "Oftast är fokus fel och riktad på AI-modellerna själva istället för det grundläggande arbetet kring datakvalitet och datasäkerhet."

Det finns tydliga tecken på att de flesta organisationer kämpar med äldre system, som ofta samlar in begränsad eller lågkvalitativ data. Rupert Brown från Evidology Systems påpekar att detta hinder för datainsamling och integration kan vara en avgörande faktor för att lyckas med AI.

En annan viktig aspekt är att även om företag investerar i AI, kan det leda till en ökad medvetenhet om vikten av datakvalitet. Terren Peterson, vice president på Capital One, menar att hajpen kring AI kan bli en drivkraft för att företag prioriterar datahygien och kvalitet. "Om ledningen bättre förstår utmaningarna kan det leda till mer investeringar i robusta datapraxis", säger han.

En hjälpsam strategi kan vara att starta med små prototyper för att identifiera effektiva AI-användningsfall, snarare än att sträva efter storskaliga implementeringar från början. Detta tillvägagångssätt kan i sin tur ge insikter och bygga upp verksamhetens kompetens inom AI.

Så, vad bör företagsledare komma ihåg? AI-lösningar behöver tid, engagemang och, framför allt, en djup förståelse för datans roll i processen. Utan en solid grund av kvalitativ data riskerar företag att åka på stora missöden. Med rätt förberedelser och investeringar kan dock potentialen i AI-teknologier bli en verklighet för företag i alla storlekar.