2024年往后将是生成式人工智能（Gen AI）潜力成为现实的时代，实验将让位于商业和财务价值的实现。Gen AI的应用可靠性取决于数据质量，72%的受访组织将数据管理视为实施人工智能应用场景的关键要求。许多组织在数据管理方面面临挑战，如扩展数据源和量、实时数据访问、安全与隐私合规等。尽管存在挑战，Gen AI仍能带来显著收益，行业领先的数据管理供应商已在其平台中内置了基于Gen AI的功能。
企业中的Gen AI应用场景
Gartner预测，到2026年，超过80%的企业将使用Gen AI驱动的应用编程接口（API）或模型。德勤人工智能研究所整理了六大行业60个Gen AI应用场景，包括：
- 了解您的客户（KYC）
- 营销内容助理
- 产品设计助理
- 开发人员代码辅助
- 客户支持
- 资产维护计划
- 工程师虚拟现场助理
- 弹性物流和规划
- 数字公民服务
企业应用Gen AI面临的挑战
组织在采用Gen AI时面临的主要数据管理挑战包括：
- 法规：新的法规和指南要求Gen AI系统具有透明度、数据治理、人工监督和风险评估。例如，《欧盟人工智能法案》要求Gen AI结果的可审计性和可解释性。
- 数据质量和可解释性：低质量数据可能导致不正确行为，Gen AI需要“数据可解释性”以提高透明度和用户信任。
- 数据隐私和安全：Gen AI模型存在隐私泄露风险，如训练数据提取攻击。各国法规要求组织采取控制措施降低此类风险。
Denodo如何应对挑战
Denodo平台利用数据虚拟化技术，为Gen AI应用提供统一、安全的接入点，并带来以下优势：
- 统一、安全的接入点
- 丰富的语义层
- 快速交付逻辑数据视图
- 提供便于LLM使用的宽逻辑表视图
- 内置的查询优化功能
Denodo平台还提供以下功能：
Gen AI如何增强数据管理
Gen AI还被用来改善数据管理，包括：
- 自然语言查询：用户可用日常用语查询数据，无需依赖IT专业人员。
- 查询优化：Gen AI自动优化查询性能。
- 数据准备和充实：Gen AI推荐数据转换，提高数据准备效率。
总结
随着Gen AI成为各行各业的变革力量，组织需要重新构想数据管理以充分释放Gen AI的潜力。Denodo平台通过数据虚拟化、语义层、查询优化等功能，为Gen AI奠定坚实的数据基础，帮助组织建立可持续的竞争优势。Gen AI不仅应用于业务场景，还能反过来增强数据管理，推动数据民主化和自动化。
