Neue globale Studie zeigt wichtige Trends der Observability und Herausforderungen für KI-Innovationen auf

Burlington, Mass. (ots/PRNewswire) - Der Reifegrad des Observability-Programms
ist in Bezug auf Datenqualität, Datenpipelines und KI/ML-Modelle uneinheitlich,
da die Akzeptanz unstrukturierter Daten zunimmt

Precisely (https://www.precisely.com/de) , einer der weltweit führenden Anbieter
von Datenintegrität, hat heute die Ergebnisse einer neuen globalen Studie
bekannt gegeben. Im Rahmen der Studie " Observability for AI Innovation (https:/
/www.precisely.com/resource-center/analystreports/barc-research-study-observabil
ity-for-ai-innovation?utm_source=Referral&utm_medium=Press-Release) ", die vom
Business Application Research Centre (BARC) erstellt und von Precisely
finanziell unterstützt wurde, wurden mehr als 250 Daten- und KI-Akteure weltweit
befragt. Sie enthüllt wichtige Erkenntnisse darüber, wie Unternehmen
Observability nutzen, um zuverlässige KI- und Analyseergebnisse zu erzielen.

Mit dem zunehmenden Einsatz von KI in Unternehmen ist Observability zu einer
grundlegenden Voraussetzung geworden, um Transparenz, Verantwortlichkeit und
Leistung in Datenökosystemen zu gewährleisten. Die Studie zeigt, dass viele
Unternehmen zwar wichtige Schritte zur Formalisierung von
Observability-Programmen unternommen haben, die Fortschritte in den
verschiedenen Disziplinen jedoch unterschiedlich sind. Unterschiede in der
Programmreife, den Messverfahren und den regionalen Einführungstrends weisen auf
Bereiche hin, die noch Aufmerksamkeit erfordern.

KI-Observability gewinnt an Zugkraft, aber es bleiben Lücken

76 % der Unternehmen haben Programme für die Observability der Datenqualität und
der Datenpipeline (https://www.precisely.com/de/product/data-integrity/precisely
-data-integrity-suite/data-observability?utm_source=Referral&utm_medium=Press-Re
lease) formalisiert, implementiert oder optimiert, was ein starkes Engagement
für den Aufbau zuverlässiger KI-Grundlagen zeigt. Während die Observability von
KI/ML-Modellen mit 70 % dicht dahinter liegt, zeigen die Antworten ein breiteres
Spektrum an Reifegraden, wobei viele Unternehmen noch mit uneinheitlichen oder
unterentwickelten Programmen arbeiten.

Wenn es um die Erfolgsmessung geht, verwenden 68 % der Befragten qualitative
und/oder quantitative Metriken, um ihre Observability-Bemühungen zu bewerten.
Die übrigen Unternehmen verlassen sich jedoch auf Ad-hoc- oder gar keine
Messungen, was ein erhebliches Risiko darstellt. Ohne klar definierte Metriken
und die Abstimmung mit unternehmensweiten Governance-Rahmenwerken laufen
Unternehmen Gefahr, ihre KI-Ziele zu verfehlen.

Unstrukturierte Daten entwickeln sich zu einem wichtigen Thema